Determinantes de largo plazo del tipo de cambio real en América Latina. Jorge Carrera1 y Romain Restout2 .. 31 de agosto 2007.

Abstract This paper investigates the long run behavior of real exchange rates (RER) in twenty one countries of Latin America over the period 1970 - 2003. Our data does not support the PPP hypothesis, implying that real shocks tend to have permanent effects. We are able to determinate factors that drive RER in the long run: the BalassaSamuelson effect, government spending, the terms of trade, the openness, and capital flows. We also run estimations for country subgroups (South America versus Caribbean and Central America). Results highlight that several RER determinants are geographically specific. Finally, we compute equilibrium RER estimations. Two main results are derived from the misalignments, [i ] nine RER are quite close to their equilibrium level in 2003, and [ii ] our model shows that a part of currencies crises that arose in Latin America was preceded by a RER overvaluation.

Resumen Este trabajo investiga el comportamiento de largo plazo del tipo de cambio real (TCR) para veintiún países de América Latina en el período 1970-2003. Nuestros datos no apoyan la hipótesis PPA (Paridad de Poder Adquisitivo), implicando que los shocks tienden a tener un efecto permanente. Podemos determinar los factores que afectan al tipo de cambio real de largo plazo: el efecto Balassa-Samuelson, el gasto del gobierno, los términos de intercambio, la apertura comercial y los flujos de capital. También realizamos estimaciones para subgrupos de países (América del Sur versus América Central y el Caribe). Los resultados resaltan que algunos de los determinantes del TCR son geográficamente específicos. Finalmente, estimamos los TCR. De esta forma arribamos a dos resultados: primero, que los TCR de nueve países estaban muy cercanos a su nivel de equilibrio en el 2003, y segundo, que nuestro modelo muestra que parte de las crisis cambiarias sucedidas en América Latina fueron precedidas por una sobrevaluación cambiaria.

Keywords : Equilibrium Real Exchange Rate; Panel Unit Roots, Panel Cointegration. J.E.L. Classification : F31, C23.

1

Banco Central de la República Argentina y Universidad Nacional de La Plata, Argentina. Corresponding author: [email protected] 2 EconomiX, Universidad de Paris X – Nanterre y GATE, ENS Lettres et Sciences Humaines, Lyon. Francia. Investigador visitante al BCRA. Mariano Sardi realizó una destacada asistencia en la investigación. Se agradece la colaboración de Florencia Fazzini. Agradecemos a Diego Bastourre, Javier Ibarlucia, María Lorena Garegnani y Valérie Mignon por sus comentarios sobre el borrador de este paper. También agradecemos a Virgine Coudert por su ayuda cuando construimos la clasificación del tipo de cambio de facto. Las opiniones expresada en este paper son de los autores, y no necesariamente reflejan la opinión del Banco Central de la República Argentina.

Determinantes de largo plazo del tipo de cambio real en América Latina.

Determinantes de largo plazo del tipo de cambio real en América Latina. Jorge Carrera y Romain Restout 1 Introducción Desde 1970 hasta el año 2000, el tipo de cambio real multilateral (TCR de ahora en adelante) de América Latina se caracteriza por mostrar fluctuaciones importantes y una fuerte volatilidad. La tabla 1 ilustra el nivel promedio de TCR para veintiún países de América del Sur, Central y el Caribe en las últimas tres décadas. Durante los años 90 el TCR de la región se muestra con un mayor nivel de depreciación3 que en las décadas anteriores y con una volatilidad menor que en los años 80. Esto fue producto de los planes de estabilización que fueron implementados en la región en los primeros años de la década del 90. Excepto en los casos de Argentina y Perú donde la reducción de la volatilidad estuvo asociada a la depreciación del TCR. En los países de América Central se logro controlar la volatilidad del TCR con la adopción de anclas nominales basadas en el tipo de cambio. Países como Costa Rica, Guatemala y Panamá muestran una baja volatilidad del TCR. Se ha destacado en la literatura reciente, el efecto que tiene la volatilidad y los desalineamientos (comparado a un nivel de equilibrio, ver sección 2, abajo) del TCR sobre el crecimiento de los países en desarrollo. Los desequilibrios recurrentes en el TCR han sido asociados a: tasas de crecimiento más bajas, déficits en cuenta corriente en el largo plazo y frecuentemente a crisis de tipo cambiarias y financieras. A su vez, los movimientos del TCR afectan la distribución de la producción y el consumo entre los bienes transables y no transables. Aguirre y Calderón (2005) encontraron que existe una relación no lineal entre el desempeño económico y los desalineamientos del TCR en una muestra de sesenta países. Los autores llegan a la conclusión que las fluctuaciones extremas entre sobrevaluación y devaluación, afectan negativamente el crecimiento, pero que pequeñas devaluaciones, afectan de forma positiva, reactivando la economía. Considerando el efecto que poseen los desalineamientos del TCR sobre las tasas de crecimiento, es crucial para los países en desarrollo comprender cuáles son los determinantes del TCR de largo plazo. Especialmente en el caso de América Latina, cuyas economías son más vulnerables a shocks externos Esto se debe primeramente a que en los países latinoamericanos las exportaciones son mayormente de bienes commodities ( 67% en el período 1990-20014) cuyos precios están expresados en dólares, y que estos son en gran parte exógenos para los países de la región. Esto hace que cualquier fluctuación del TCR tenga un impacto directo sobre los niveles de exportación. A su vez la entrada de capitales externos, aunque importantes para la economía, son también un elemento volátil que impacta sobre el crecimiento5. Dentro de este contexto, la estabilidad del tipo de cambio contribuye a generar un ambiente de estabilidad macroeconómica que estimula la entrada de flujos de capital. Finalmente, una gran proporción de la deuda externa de los países latinoamericanos se encuentra indexada por el tipo de cambio o denominada en moneda extranjera, haciendo que los stocks de deuda sean afectados por las variaciones del tipo de cambio real. Esta es una de las características más importantes de la dolarización financiera. El objetivo de este paper es investigar las variables económicas que influencian las fluctuaciones del TCR de largo plazo. Para esto, se tomó una muestra de 21 países de

3

En este paper cuando nos referimos a la depreciación del TCRM, nos referimos a la depreciación de la moneda del país respecto a la moneda de sus principales socios comerciales.

4

Datos tomados para: Argentina, Brasil, Colombia, Costa Rica, Ecuador, El Salvador, Guatemala, Honduras, Jamaica, México, Nicaragua, Paraguay, Perú, Trinidad Tobago, Uruguay y Venezuela (Fuente: CEPAL). 5 Ver FMI (2005) para un mayor desarrollo sobre el tema del impacto de flujos financieros externos sobre el crecimiento.

1

Determinantes de largo plazo del tipo de cambio real en América Latina.

América Latina y Central donde se trataron de determinar los “fundamentales” que afectan el TCR a través de avanzadas técnicas de panel para raíces unitarias y cointegración. Tabla 1: Tipo de Cambio Real Multilateral en América Latina (REER)6 1970-2000 Volatilidad

Nivel Promedio (2000 = 100)

70 – 79

80 – 89

90 - 00

70 – 79

80 - 89

90 - 00

Argentina

0.54

0.66

0.25

66.76

42.24

98.04

Bolivia

0.22

0.33

0.13

166.10

181.00

107.43

Brasil

0.21

0.33

0.57

88.02

40.40

85.72

Chile

0.67

0.36

0.07

163.69

144.97

103.08

Colombia

0.08

0.29

0.18

136.60

127.49

106.97

Ecuador

0.11

0.36

0.20

268.89

193.33

116.24

Paraguay

0.17

0.42

0.21

196.26

305.30

118.91

Perú

0.26

0.30

0.21

49.32

36.01

95.77

Uruguay

0.22

0.24

0.15

74.66

92.94

92.39

Venezuela

0.04

0.41

0.33

100.17

89.09

63.17

Costa Rica

0.07

0.29

0.05

193.11

102.44

98.93

Rep. Dominicana

0.06

0.40

0.12

146.43

128.05

98.38

El Salvador

0.05

0.19

0.15

44.49

69.12

89.27

Guatemala

0.04

0.30

0.10

147.03

133.68

100.59

Haití

0.08

0.09

0.26

69.74

81.32

83.91

Honduras

0.05

0.18

0.13

127.89

150.03

82.78

Jamaica

0.13

0.26

0.27

139.40

101.54

83.35

México

0.17

0.36

0.19

111.94

67.43

83.05

Nicaragua

0.06

2.45

0.47

46.73

466.45

104.03

Panamá

0.11

0.08

0.06

145.20

142.05

105.13

Trinidad & Tobago

0.06

0.15

0.12

96.59

120.73

104.06

América del Sur

0.13

0.29

0.26

131.05

125.28

98.77

América Central

0.13

0.24

0.15

115.32

142.07

93.95

América Latina 0.12 0.25 0.18 Nota: Los cálculos fueron hechos por los autores con datos del FMI.

123.18

133.68

96.36

Los fundamentales incluyen: el efecto Balassa-Samuelson, el gasto gubernamental, los términos del intercambio, el grado de apertura y los flujos financieros externos. A su vez se estimó el sendero de equilibrio del TCR para veintiún países basado en los resultados de cointegración, y se midió el grado de desalineamiento entre el TCR de equilibrio y el TCR observado. Los resultados fueron utilizados como un indicador de alerta temprana para futuras crisis cambiarias. El resto del paper está organizado de la siguiente manera. La sección 2 hace una revisión de la literatura existente sobre los fundamentales que afectan el TCR. En la sección 3 se presenta la metodología econométrica utilizada para estimar la relación entre el TCR y sus fundamentales de largo plazo. En la sección 4 se tratan las estimaciones empíricas y el análisis de los resultados, se describen los datos utilizados en la regresión, se presenta los resultados de la regresión de cointegración y se miden los desalineamientos del TCR. En la sección 5 se presentan la conclusiones. 2 Los determinantes del tipo de cambio real. En este trabajo se define al TCR (q ) como el precio relativo de los bienes no transables con respecto al precio de los bienes transables.

6

Real Effective Exchange Rate. Cuando este índice aumenta, significa una apreciación de la moneda del país respecto de la de sus principales socios comerciales. Cuando el índice disminuye, significa una depreciación.

2

Determinantes de largo plazo del tipo de cambio real en América Latina.

q=

pN pT

(1)

donde p N y pT son respectivamente los precios de los bienes no transables y transables7. Esta definición se corresponde con lo que se llama el tipo de cambio real interno y es apropiado utilizarla para los países en desarrollo, dado que sus exportaciones son predominantemente productos primarios sujetos a la ley del precio único, i.e. pT* = c pT , donde c es el tipo de cambio nominal y pT* es el precio del bien transable. A su vez esta expresión provee un índice consistente de la competitividad del sector transable y proporciona una guía para observar la distribución de factores entre el sector transable y no transable (Edwards 1989) ya que una disminución en q causaría un desplazamiento de recursos de la producción fuera del sector no transable hacia el transable. De acuerdo a la definición (1), el sendero del tipo de cambio real está determinado por la dinámica interna de los precios relativos de los bienes no transables. Este resultado depende de dos hipótesis: (i) que la ley de precio único se aplica a los bienes transables y (ii) que el país es pequeño como para afectar los precios relativos de los demás países con los que comercia. Aplicando logaritmos a la definición dada de TCR se obtiene: log q = log c + log p − log p * . Donde p y p * son respectivamente índices de precios nacionales y extranjeros, si suponemos que log p y log p * pueden ser separados en precios de bienes transables y no transables

de

tal

forma

log p = (1 − α ) log pT* + α log p N ;

que

log p = (1 − α ) log p + α log p , siendo p

y

que

los bienes no transables externos y α la proporción de los bienes no transables tanto dentro del PBI doméstico como del extranjero, el TCR puede ser dividido en dos componentes: *

* T

* N

* N

) [

(

(

log q = log c + log pT − log pT* + α (log p N − log pT ) − log p *N − log pT*

(

)]

(2)

)

Bajo la hipótesis (i) y (ii), el primer término en (2) desaparece y log p *N − log pT* está dado8, ya que el TCR varía sólo con un cambio en el precio relativo de los bienes no transables domésticos, (log p N − log pT ) . Varios modelos teóricos sobre la determinación del TCR fueron aplicados a casos de países en desarrollo, incluyendo Edwards (1989, 2004), Elbadawi (1994), Obstfeld y Rogoff (1996), Montiel (1999) y Lane y Milesi-Ferretti (2004). Excepto los trabajos de Edwards (1994) y Elbadawi (1994), los demás modelos están basados en microfundamentos fuertes con un agente representativo que maximiza su utilidad intertemporal dentro de una economía con dos sectores (transable y no transable). Sin embargo, estos modelos difieren en el conjunto de hipótesis en los que se basan. Mientras que el modelo de Edwards (1989) supone competencia perfecta y rendimientos constantes a escala en ambos sectores, Obstfeld y Rogoff (1996) consideran que los bienes no transables se producen bajo una estructura de competencia monopolística con una función de producción caracterizada por retornos decrecientes a escala9. Excepto el modelo de Montiel (1999), los otros modelos suponen 7

Para este paper se utilizará la siguiente convención: De acuerdo con (1) una apreciación (depreciación) real se refleja a través de un aumento (disminución) en q .Ver Edwards (1989), Williamson (1994) y Edwards y Savastano (1999) para más información sobre las bases teóricas de este concepto de TCR. 8 Acá suponemos un valor común α para ambos países. Si α ≠ α , la ecuación (2) tiene la forma general:

(

)

(

log q = log e + log pT − log pT* + α (log p N − log pT ) − α * log p *N − log pT*

la fórmula aún se reduce a 9

(log p N − log pT ) .

) . Bajo las hipótesis (i) y (ii),

Montiel (1999) y Lane y Milesi-Ferretti (2004) también suponen retornos marginales decrecientes pero mantienen el supuesto de competencia perfecta en ambos sectores.

3

Determinantes de largo plazo del tipo de cambio real en América Latina.

que existe perfecta movilidad de capitales, por lo cual la tasa de interés se vuelve exógena asumiendo los valores internacionales. Sin embargo, los mercados mundiales de capitales imponen un premio por riesgo a los países en desarrollo. Montiel (1999) incorpora esta idea en su modelo al suponer que la economía enfrenta una curva con pendiente positiva, relacionando la tasa de interés doméstica a la del premio por riesgo país, que aumenta junto con el stock de deuda nacional. A pesar de estas diferencias teóricas, los anteriores modelos comparten algunos puntos en común. Primeramente, los modelos están realizados desde un enfoque uniecuacional que permite derivar una forma reducida para el tipo de cambio real de equilibrio (TCRE) de largo plazo. Según la definición de Edwards (1989) el TCRE se expresa como el precio relativo de los bienes no transables con respecto a los transables, lo cual implica la obtención simultánea del equilibrio interno y externo. El equilibrio interno se logra cuando los mercados de bienes no transables y de trabajo se despejan. El equilibrio externo está relacionado con la restricción presupuestaria intertemporal, i.e la economía es intertemporalmente solvente. Segundo, el equilibrio de largo plazo del TCR está determinado por un conjunto de variables reales de tipo externo e interno llamadas “fundamentales” (Edwards y Savastano, 1999). Generalmente los modelos teóricos asocian al TCRE con: el gasto del gobierno, los diferenciales en la productividad sectorial (efecto Balassa-Samuelson), los términos del intercambio, la apertura comercial y los flujos financieros externos, entre otras variables. En el corto plazo, tanto las variables nominales como las reales afectarán al TCR de equilibrio (ver Edwards, 1989), pero el equilibrio de largo plazo responderá sólo a variaciones de los fundamentales. De esta manera, todos estos enfoques teóricos rechazan los modelos basados en la paridad de poder adquisitivo (PPA), el TCRE no es un valor inmutable, sino que varía a través del tiempo. Los movimientos del TCR no necesariamente significarán situaciones de desequilibrio, variaciones de los fundamentales pueden generar fluctuaciones del TCR de forma endógena. Además, se supone que el TCR observado revierte a la media, i.e. retorna rápidamente a su valor de equilibrio en el largo plazo. Por lo cual, las discrepancias que pueden producirse, por ejemplo, por políticas macroeconómicas inadecuadas serían de carácter temporal. Finalmente, el TCRE puede ser calculado con técnicas econométricas. Se obtiene de la forma reducida del modelo la siguiente ecuación estimable para el TCR de largo plazo.

qT = β ′ X t + ε t

(3)

donde X t son los fundamentales. β ´ el vector de los parámetros de largo plazo y ε t un término que mide el error. Para construir el sendero del TCRE, designado q t , Clark y MacDonald (1999) sugieren usar valores sustentables o componentes permanentes de los fundamentales. Al estimar (3) con un método econométrico consistente, podemos obtener el sendero de equilibrio del TCR.

qt = βˆ ′ X tp

(4)

donde el vector βˆ´ contiene estimadores eficientes de β ; y X tp es el componente permanente de los fundamentales que puede ser obtenido a través de técnicas de descomposición de series de tiempo (filtro de Hodrick-Prescott, descomposición de Beverdige-Nelson o la metodología de Gonzalo-Granger). En la fórmula (4) el desalineamiento del TCR, qtd , es calculado como el desvío del TCR, q t , de su nivel de equilibrio, esto es qtd ≡ qt − q t = qt − βˆ ′ X tp En este paper, seguimos el enfoque uniecuacional para poder determinar los fundamentales que afectan la evolución del TCR de largo plazo en América Latina. Dado que la bibliografía sobre modelos teóricos para la determinación del TCR es abundante, nos focalizaremos principalmente en la aplicación empírica de los mismos, i.e. estimaremos la relación de largo plazo entre el TCR y un número limitado de fundamentales que tienen una influencia teórica sobre el TCR de largo plazo. La literatura existente sobre este tipo de modelos sugiere para

4

Determinantes de largo plazo del tipo de cambio real en América Latina.

América Latina un número restringido de variables reales que parecieran influenciar el TCR en el largo plazo10. Estas variables incluyen: el efecto Balassa-Samuelson, gasto gubernamental, términos del intercambio, el grado de apertura comercial y los flujos de capitales11. Al adoptar este tipo de enfoque empírico, nuestro objetivo no es validar o rechazar alguno de los modelos citados anteriormente, sino estudiar la dinámica del TCR con la ayuda de un método econométrico para datos en panel no estacionario. Además, como se muestra en Edwards y Savastano (1999), la elección y el número de fundamentales incluidos en la ecuación del TCR son dependientes del modelo. Por ejemplo, en el modelo de Lane y Milesi-Ferretti (2004), no se incluye el gasto de gobierno como un determinante del TCR, mientras que el efecto Balassa-Samuelson no está explícitamente derivado en los modelos de Edwards (1989, 2004) y Elbadawi (1994). De esta manera, al adoptar un enfoque empírico, no restringimos nuestro análisis a la forma particular de un modelo, sino que incluimos los fundamentales que consideramos más importantes en la ecuación del TCR de largo plazo. 2.1 Efecto productividad El efecto productividad se encuentra en el modelo Balassa-Samuelson (Balassa, 1964 y Samuelson, 1964). Según esta hipótesis, el precio relativo de los no transables, q , está determinado por la diferencia de productividad entre los sectores transables y no transables. La explicación es la siguiente: existe una economía con dos sectores (transable, no transable) donde los salarios son iguales en ambos sectores y están asociados a la productividad del sector abierto. Suponemos que la ley del precio único se aplica al sector transable y que la tasa de interés es enteramente exógena. Cuando la productividad crece más rápidamente en el sector de los transables que en el de los no transables, se espera que los salarios aumenten en la totalidad de la economía. En el sector de los no transables donde el aumento de salarios no se debe a un aumento en su productividad, se espera que suba el precio p N . Esto hace que aumente el precio relativo de los bienes no transables q , i.e. una apreciación del TCR del país. Suponiendo una función de producción Cobb-Douglas con rendimientos constantes a escala en ambos sectores ( YT = AT K T1−α LαT y

YN = AN K 1N− β LβN donde Ai , Li y K i representan respectivamente, la productividad total de los factores, trabajo y capital en el sector i, i = T , N La expresión formal del efecto BalassaSamuelson es: qˆ ≡ pˆ T =

β ˆ ˆ ΑT − Α N α

(5)

donde un “sombrero” sobre la variable indica tasa de crecimiento12. Según esta ecuación (5), el TCR depende enteramente de la diferencia de productividades entre los sectores. Por otra parte, el efecto Balassa-Samuelson puede ser interpretado también como el efecto que tiene el desarrollo económico sobre el TCR, i.e. los países que crecen rápidamente tienden a sufrir una apreciación del TCR. 2.2 Gasto gubernamental Una aspecto crucial del modelo Balassa-Samuelson, es que el TCR está determinado totalmente por el lado de la oferta, los factores de demanda no interesan. Como es señalado en Froot y Rogoff (1995) y De Gregorio et al. (1994) este resultado depende de los supuestos del modelo Balassa-Samuelson. La demanda de factores puede afectar los precios relativos de los bienes no transables si se relaja alguno de los siguientes supuestos: competencia perfecta en el mercado de bienes, libre movilidad de los factores entre los dos 10 Ver Edwards (1989), Gay y Pellegrini (2003), Alberola (2003), Escudé y Garegnani (2005) para investigaciones empíricas recientes. 11 La elección de fundamentales esta obviamente condicionada a la existencia de datos. 12 La derivación formal de la ecuación (5) puede ser hallada en Froot y Rogoff (1994) y en De Gregorio et al. (1994).

5

Determinantes de largo plazo del tipo de cambio real en América Latina.

sectores productivos, libre movilidad de capitales, ley de precio único para bienes transables y rendimientos constantes a escala en los dos sectores. Al introducir una estructura productiva monopólica en el sector no transable dentro del modelo de Lane y Milesi-Ferretti, Aguirre y Calderón (2005) permiten que los factores de demanda influencien el TCR en el largo plazo. El impacto de la demanda del sector público en el TCR, está tradicionalmente asociado a la hipótesis de que el gasto gubernamental recae mayormente sobre los bienes no transables, por lo cual un aumento en el gasto, significaría una presión alcista sobre el precio de los bienes no transables lo cual resultaría en una apreciación del TCR.

2.3 Términos del Intercambio. Todos los modelos teóricos citados anteriormente destacan la importancia de las perturbaciones en los términos de intercambio como una fuente potencial de fluctuaciones en el TCR. Sin embargo, el impacto negativo que puedan tener los términos de intercambio sobre el TCR es indefinido, ya que existen en este caso dos efectos contrarios. Primeramente, un deterioro de los términos de intercambio produce un efecto ingreso negativo (disminución en el poder de compra doméstico) lo que causa una reducción de la demanda privada de bienes no transables y una depreciación real del tipo de cambio. Por otra parte, el efecto sustitución hace que el consumo de bienes importados se vuelva relativamente más caro. Como resultado, existe un cambio en la demanda a favor de los bienes no transables. Por lo tanto, la restitución del equilibrio en el mercado de los bienes no transables va a estar dado por un aumento en el TCR. En conclusión, el efecto total del deterioro de los términos del intercambio sobre el TCR depende de la fuerza que tengan los efectos ingreso y sustitución. Sin embargo, estudios empíricos recientes hallaron que el efecto ingreso es predominante, de ahí que la mejoría de los términos del intercambio este asociado a apreciaciones reales en el largo plazo. 2.4 Apertura económica El grado de apertura de la economía influencia al tipo de cambio a través de dos canales. Por un lado la liberalización comercial tiende a depreciar el TCR de largo plazo. Una reducción en las tarifas lleva a una disminución en el precio de los bienes importados, esto a su vez genera un aumento de demanda de estos bienes y una disminución de la demanda doméstica de bienes no transables13. El resultado de esto es una depreciación del TCR para que se pueda recuperar el equilibrio del sector no transable. El segundo canal de influencia ha sido destacado por Obstfeld y Rogoff (2000) y Hau (2002). Según las predicciones de sus modelos, la volatilidad del TCR está negativamente relacionada con el grado de apertura de la economía. Esto es así porque el sector no transable es el locus del monopolio, los bienes no transables aumentan la rigidez de los precios en el agregado mientras que los bienes transables permiten la convergencia del índice de precios domésticos. Si sucediera un shock, para restaurar el equilibrio dentro del mercado doméstico, se necesitará un mayor ajuste del TCR cuanto más cerrada sea la economía. Como ha sido destacado por Hau (2002), las economías más abiertas se comportan como economías de precios flexibles y con menores fluctuaciones del TCR, ya que la mayor cantidad de bienes importados, proveen un canal de ajuste rápido para el índice nacional de precios. Usando un panel de cuarenta y ocho países (incluyendo ocho países de América Latina), Hau (2002) provee evidencia de la relación negativa entre la volatilidad del TCR y la apertura comercial. 2.5 Flujo de capitales y los activos extranjeros netos. Para Corden (1994), el impacto de los flujos externos de capitales sobre el TCR constituye lo que él llama, el problema del tipo de cambio real, ya que los flujos de capital tienden a apreciar el TCR en el largo plazo. Según el autor, un repentino aumento de los flujos de 13

A diferencia del caso de shock sobre los términos del intercambio, el efecto ingreso se encuentra ausente después de una caída de las tarifas. De hecho, la reducción tarifaria ha sido financiada por un aumento en los impuestos. (suponemos aquí, que el presupuesto gubernamental esta equilibrado en todos los períodos) lo que contrarresta el efecto riqueza inicial inducido por la reducción de los precios de los bienes importados.

6

Determinantes de largo plazo del tipo de cambio real en América Latina.

capital produce un aumento de la absorción doméstica, lo cual lleva a un aumento en la demanda de consumo de los bienes transables y no transables. El exceso de demanda tiene que ser equiparado por un aumento en la oferta de los bienes no transables para asegurar el equilibrio, esto hace que el precio de estos bienes p n aumente. Por otro lado, el aumento del consumo de los bienes transables causará que la balanza comercial se deteriore sin presentar ningún efecto sobre pt , dado que este se halla enteramente determinado por la ley del precio único. Según la definición (1), el cambio en p n , después de una entrada de capitales, supone una apreciación del TCR. Athukorala y Rajapatirana (2003) demostraron que la magnitud de la apreciación del TCR depende de la composición de los flujos de capital. La inversión externa directa (IED de ahora en más) tiende a concentrarse dentro del sector de los bienes transables, por lo cual la apreciación causada por la entrada de este tipo de flujos es menor comparada a la de otros flujos de capital. Los resultados econométricos de Athukorala y Rajapatirana (2003) sugieren que la composición de los flujos de capital debe tenerse en cuenta al observar el impacto que éstos tienen sobre el TCR. Los autores compararon los efectos que tienen la IED y las inversiones de cartera sobre el TCR en América Latina y Asia, y llegaron a la conclusión que el grado de apreciación real, luego de una entrada de inversiones de cartera, es más fuerte en los países de América Latina que en Asia. La relación entre la posición de los activos externos netos (PAEN de aquí en mas) y el TCR ha sido analizada por varios modelos teóricos (Obstfeld y Rogoff,1995, y Lane y MilesiFerretti, 2004), los mismos predicen que los países deudores (acreedores) deberían tener un TCR depreciado (apreciado), esto es lo que se llama el problema de la transferencia. De hecho, los países con pasivos externos netos necesitan utilizar su superávit comercial para pagar intereses y dividendos. De forma similar, los países con una PAEN positiva deben tener déficit comercial. Obstfeld y Rogoff (1995) aclaran que el problema de la transferencia puede también operar a través del impacto del efecto riqueza sobre la oferta de trabajo. Un deterioro en la PAEN reduce la riqueza nacional. Para prevenir una gran caída en el consumo, las familias aumentan su oferta de trabajo, incrementando de esta manera la oferta de bienes no transables. Ya que el mercado se encuentra en equilibrio en todos los períodos, el precio p N debe caer, i. e. el TCR se deprecia. 3 Repaso de un método econométrico para panel En esta sección presentaremos las técnicas de raíces unitarias para panel y cointegración incluidas en nuestro análisis. Dado el período de tiempo relativamente acotado que utilizamos (T=36), examinaremos el comportamiento de largo plazo del tipo de cambio real. Para esto, utilizaremos técnicas econométricas de panel no estacionario en vez de utilizar series de tiempo individuales. Primero, se agrupan los datos en la dimensión de la sección de corte transversal (N), los tests de raíz unitaria para datos en panel y cointegración aumentan su potencia y superan las series de tiempo convencionales14. (i.e. test de Dickey-Fuller o de Ingle-Granger). Además, los datos en panel proveen estimadores eficientes para los vectores de cointegración15 los cuales son superconsistentes y convergen a la tasa T N , mientras que en la dimensión de las series de tiempo, la convergencia hacia la tasa T es más lenta. Entonces, aunque las series de tiempo y las dimensiones de la sección de corte transversal sean relativamente cortas, estos estimadores son extremadamente precisos. Segundo, los tests más recientes de raíz unitaria para datos en panel y cointegración (ver entre otros a Im, Pesaran y Shin, 2003; y Pedroni, 1999) toman en cuenta la heterogeneidad a través de los diferentes miembros del panel. Esto nos permite testear la presencia de raíces unitarias y relaciones de cointegración dentro del panel, dejando que las dinámicas 14

Por ejemplo con T=50, la potencia del test estándar de Dickey-Fuller es solo 0.51. Con N=10, el poder de los test de Levin y Lin (1993) y Im, Pesaran y Shin (2003) llega a valores de 0.555 y 0.752. 15 Estimadores within y between Fully Modified OLS (FMOLS) y Dynamic OLS (DOLS) propuestos por Pedroni (2000, 2001) y Kao y Chiang (2000).

7

Determinantes de largo plazo del tipo de cambio real en América Latina.

de corto plazo, los errores de varianza y los efectos fijos sean heterogéneos entre otros miembros individuales. Albelora et al (2003) menciona, que esta flexibilidad resulta útil en estudios que sólo se focalizan en el comportamiento de largo plazo de los datos, ya que las dinámicas de corto plazo y los equilibrios de largo plazo tienden generalmente a ser diferentes entre individuos. Finalmente, el añadir una dimensión de corte transversal a un panel no estacionario, nos permite limitar el lapso de tiempo de los datos, y así, reducir la presencia de cambios estructurales, ya que las series que abarcan períodos extensos tienen una alta probabilidad de incluirlos. Perron (1989) demuestra que los tests de raíces unitarias y cointegración de las series de tiempo convencionales, tienden a estar sesgados ante la presencia de cambios estructurales. 3.1 Test de raíz unitaria para datos en panel Nos focalizaremos principalmente sobre los determinantes de largo plazo del TCR. Para esto se realizarán tests de raíz unitaria para datos en panel. En este estudio se aplicaron tres tipos de test de raíces unitarias, el test Wtbar propuesto por Im, Pesaran y Shin (2003, IPS a partir de aquí), un test tipo Fisher, sugerido por Maddala y Wu (1999, MW de aquí en más) y el test LM de Hadri (1999). En este último test, se toma como hipótesis nula la estacionariedad contra la alternativa de que existen raíces unitarias en el panel, mientras que los tests IPS y MW consideran la no estacionariedad (i.e. presencia de raíces unitarias) como hipótesis nula. Estos tres tests fueron diseñados para panel independiente de la dimensión de corte transversal, i.e. no existe cointegración entre los pares o grupos de individuos en la dimensión “cross section”. Esta suposición de independencia entre los individuos, es bastante fuerte pero esencial para aplicar el teorema del límite central de Lindberg-Levy que permite derivar las distribuciones límite de los tests (Baltagi y Kao, 2000)16. Im et al. (2003) propone un test que permite correlación residual, heterogeneidad de la raíz autoregresiva y varianza del error a través de los miembros individuales del panel. El test IPS se basa en la utilización de un test Augmented Dickey-Fuller (ADF) para cada serie individual. Si consideramos una muestra de N cross sections en un determinado período de tiempo T, la siguiente regresión ADF se estima para cada individuo del panel i = 1, K , N : ∆ y i , t = γ z i , t + ρ i y i , t −1 +

pi

∑θ j =1

i, j

(6)

∆ y i , t − j + ε i ,t

donde z i , t es el componente determinístico (efecto fijo α i y/o el efecto tiempo individual

β i t ), los ε i , t se suponen que son idénticos y que están distribuidos de forma independiente (i.i.d) a través de i y t con E( ε i , t ) = 0, E( ε i2, t ) = σ i2 < ∞ y ( εi, t , ε j, t ) para todo i ≠ j. Nótese que al largo del rezago de pi se le permite variar a través los miembros individuales del panel.

La hipótesis nula y la alternativa se definen como: H 0 : pi = 0, ∀ i = 1,K, N contra

Ha :

pi < 0

para al menos un i

De esta forma, la hipótesis alternativa del test IPS permite que pi sea específico para cada individuo, y en este sentido, es más general que la alternativa homogénea (i.e ρ i = ρ < 0 para todo i) desarrollada por Quah (1994) y Levin y Lin (1992). El test IPS promedia los estadísticos-T de los ADF individuales (t i ,t ) que son obtenidos al estimar (6) para cada i, esto es t N T = N −1 ∑ N t i , T . Im et. al. (2003) propone el estadístico estandarizado t N T : i =1 16

O´Connell (1998) demuestra que el test PPA, el cual no controla la dependencia del corte transversal, sufre de distorsiones significativas.

8

Determinantes de largo plazo del tipo de cambio real en América Latina.

Wtbar =

[

]

donde E t i , t ρ i = 0 y Var

[t

i,T

N

(t

− N −1 ∑i =1 E N

NT

N

−1

∑

N i =1

[

[t

i, t

ρi = 0

Var t i , T ρ i = 0

]

])

(7)

]

ρ i = 0 son respectivamente la media y la varianza de t i , T 17.

Bajo hipótesis nula, el estadístico Wtbar está asintóticamente distribuido de forma normal estándar. Maddala y Wu (1999) proponen un test tipo Fisher basado en los p-values para el estadístico de raíz unitaria individual, esto es: N

P = −2∑ ln ( p i )

(8)

i =1

donde pi es el p-value del test de raíz unitaria individual (ADF o Phillips-Perron, 1988, por ejemplo) aplicado a la sección de corte transversal i. Al igual que en los test IPS y MW, este test también permite heterogeneidad de la raíz autorregresiva pi , bajo hipótesis alternativa

H a , y bajo el supuesto de independencia del corte transversal, P está distribuido como una ji-cuadrado con 2N grados de libertad. Hadri (1999) propone un test basado en los residuos del multiplicador de Lagrange (LM) para la hipótesis nula tal que, las series de tiempo para cada i sean estacionarias alrededor de una tendencia determinística, contra la alternativa de raíz unitaria en los datos del panel. Considerando el siguiente modelo:

y i , t = z i′, t γ + ri , t + ε i , t

(9)

donde z i , t es el componente determinístico y ri , t es un proceso de camino aleatorio o random walk ( ri , t = ri , t −1 + u i , t ). ε i, t y u i , t son independientes, y i.i.d a través de i y t con

E (ε i , t ) = 0, E (ε i2, t ) = σ 2 , E (u i , t ) = σ u2 . Sustituyendo hacia atrás la ecuación (9) puede ser escrita como:

donde ei , t =

y i , t = z i′, t + ei , t

∑

t j =1

(10)

u i , j + ε i , t , deja que eˆi , t sea un residuo de la regresión (10) y σˆ e2 es un

estimador consistente de la verdadera varianza σ e2 bajo H 0 . Luego, el estadístico LM es: LM =

1 1  N T 2   ∑∑ S i , t  2 σˆ e NT 2  i =1 t =1 

donde S i , t , es la suma parcial de los residuos ( S i ,t =

∑

t j =1

eˆi , t ) . Bajo hipótesis nula de

estacionariedad, el test estadístico es: Zu =

1 N  LM − E  ∫ V ( r ) 2 dr      0   1 Var  ∫ V ( r ) 2 dr   0 

(11)

que está exactamente distribuido como una normal estándar, donde V(r) es un standard Brownian motion 18.

17

Valores simulados de E

[t

i, t

ρi = 0

]y Var [ t

i, t

ρi = 0

] propuestos por Im et al. (2003), tabla 3, página 66. 9

Determinantes de largo plazo del tipo de cambio real en América Latina.

Maddala y Wu (1999) investigaron la performance para muestras finitas de diferentes test de raiz unitaria para datos en panel, ya que los test IPS y de Fisher tienen las mismas hipótesis alternativas, lo que las hace directamente comparables. Los autores arribaron a la conclusión que el test de Fisher pareciera ser superior al IPS (el test de Fisher tiene distorsiones más pequeñas y mayor potencia comparable). Por otra parte, Hlouskova y Wagner (2005) estudiaron el rendimiento de siete tests de raíz unitaria para datos en panel, incluyendo los tests IPS, Fisher y Hadri-LM. Los autores encuentran que el test de estacionariedad LM de Hadri (2000) tiene resultados pobres y generalmente lleva a rechazar la hipótesis nula19. 3.2 Test de cointegración en un panel. Al agregar la dimensión cross section cuando se testea por cointegración, se tiene las mismas ventajas, en términos de potencia, que están presentes cuando se detectan raíces unitarias. Algunos autores han propuesto recientemente metodologías alternativas para testear cointegración en un panel de datos20. Usando ecuaciones múltiples, Larson et al. (2001) presenta un test de máxima verosimilitud (LR) para obtener el rango de cointegración en paneles heterogéneos basados en los promedios del rango individual de los estadísticos de traza desarrollado por Johanson (1995)21. A su vez, Kao (1999) y Pedroni (1999, 2004) proponen tests basados en residuos de la cointegración en paneles. Los test propuestos por Kao (1999) son test tipo ADF, similares al enfoque clásico adoptado por Engle y Granger (1987). Kao, desarrolló cinco tests bajo la hipótesis nula de no cointegración. En todos los test se limitó al vector de cointegración y a las dinámicas de corto plazo a que fueran homogéneas a través de los miembros individuales del panel. Este supuesto de homogeneidad ha sido flexibilizado por Pedroni (1999, 2004) quien desarrolló tests que permiten una considerable heterogeneidad a través de los individuos. Al igual que los test IPS de raíz unitaria, los tests desarrollados por Pedroni permiten: dinámicas de corto plazo, efectos fijos individuales y también que el vector de cointegración difiera a través de los miembros bajo la hipótesis alternativa22. Pedroni considera el siguiente modelo de cointegración con K regresores para un panel:

y i , t = γ z i , t + β 1, i x1, i , t + β 2, i , t + L + β k , i x k , i , t + ei , t

(12)

donde z i , t es el componente determinístico (efecto fijo α i y/o el efecto temporal δ i t ) y xi , t son los k regresores, los cuales se supone que son I(1) (i.e. xi , t = xi , t −1 + u i , t ) y no están cointegrados entre si. Este enfoque se centra en testear raíces unitarias en los estimados de panel ei , t , esto es: eˆi , t = ρ i eˆi , t −1 + v i , t

(13)

Pedroni (1999, 2004) considera siete tests (con la notación x N T ) basados en los residuos de la regresión (13). Cuatro de ellos están basados en la agrupación de datos en la dimensión “within” (panel-v, panel-rho, panel no paramétrico-t y panel paramétrico-t) y los otros tres son calculados con la agrupación de datos en la dimensión “between” (panel-v, panel-rho, panel Los momentos E  1 V (r ) 2 dr  y Var  V (r ) 2 dr  están exactamente derivados, mientras que para un IPS se  1   ∫0  necesita una simulación. 19 Hlouskova y Wagner restringen el campo de su investigación al caso de paneles homogéneos, por lo cual los test IPS y MW, que están especialmente adaptados para paneles heterogéneos, aparecen en desventaja por la imposición de homogeneidad. 20 Cuando se realizan tests de raíz unitaria, los tests de cointegración de panel suponen que los procesos individuales son independientes e i.i.d en la dimensión de corte transversal. 21 Si el test LR permite más de una relación de cointegración, el tamaño del test estará severamente distorsionado inclusive si el panel tiene grandes dimensiones cross section y temporales. 22 Los test de Pedroni también permiten endogeneidad de los regresores, lo que contrasta con el enfoque de Kao (1999) donde la homogeneidad y la exogeneidad es impuesta. 18

∫

0

10

Determinantes de largo plazo del tipo de cambio real en América Latina.

no paramétrico-t y panel paramétrico-t). Haciendo uso del enfoque within, el test de hipótesis nula de no cointegración es H 0 : ρ i = 1 para todo i, contra la hipótesis alternativa

H a : ρ i = ρ < 1 para todo i. De esta manera todos los estadísticos within se presumen de un valor común ρ i = ρ , mientras que los estimadores between son menos restrictivos, ya que permiten una considerable heterogeneidad bajo la hipótesis alternativa H a : ρ i = ρ < 1 para todo i. Los estadísticos between proveen una fuente adicional de heterogeneidad, dado que los coeficientes autoregresivos ρ i pueden variar a través de los miembros individuales del panel. Pedroni (1999, 2004) encuentra que para cada uno de los siete tests propuestos, los estadísticos within y between están distribuidos como una normal estándar: χ NT − µ N (14) v

⇒ N (0,1)

donde x N T es el estadístico apropiado, y µ y v son respectivamente la media y la varianza de x N T

23

. Pedroni (2004) explora la performance para muestras finitas de los siete

estadísticos. El autor demuestra que en términos de potencia, todo los estadísticos propuestos funcionan adecuadamente para T >90 y N = 20. Además de no ser tan restrictivos, las simulaciones realizada por Pedroni, muestran que los estadísticos between tienen una distorsión menor y más baja que los within. De hecho, los estadísticos between son los más poderosos para períodos cortos (T < 20). Teniendo en cuenta, nuestro período relativamente corto de análisis (T =34), y los resultados con potencia ajustada por tamaño encontrados por Pedroni, sólo consideraremos los estadísticos t correspondientes a los parámetros grupales cuando se realice el test de cointegración. 3.3 Estimación de Panel Cointegration Models En un sistema cointegrado, solo bajo ciertas condiciones restrictivas (i.e exogeneidad de los regresores y homogeneidad en las dinámicas a través de los miembros del panel), el estimador OLS para el vector de cointegración es asintóticamente consistente y tiene una distribución estándar. Si esto no fuera así, el estimador OLS sería sesgado y su distribución asintótica sería dependiente de nuisance parameters asociados a las dinámicas que se encuentran por debajo del sistema (Pedroni 2000). Además de testear por raíz unitaria y cointegración, se proponen diferentes procedimientos para encontrar vectores eficientes de cointegración y así inferir el modelo de cointegración para panel. Algunos de los enfoques más recientes incluyen los estimadores within y between del Fully Modified OLS (FMOLS) y el Dynamic OLS (DOLS). El FMOLS es un enfoque no paramétrico para ajustar los efectos de regresores endógenos y correlación serial, mientras que el estimador DOLS añade rezagos y adelantos de los regresores en primera diferencia a la ecuación de cointegración para corregir estos problemas. Pedroni (2001) discute que los estimadores between (o media de grupo) permiten una mayor flexibilidad al estimar los vectores de cointegración, de forma que estos estimadores de media de grupo pueden ser interpretados como el valor medio de los vectores de cointegración individual. Pesaran y Smith (1995) encontraron que, cuando los vectores de cointegración son heterogéneos a través de los individuos, los estimadores between son estimadores consistentes de la media muestral de los vectores de cointegración, mientras que los estimadores within no lo son. Además, los estimadores de media de grupos permiten heterogeneidad cuando se deduce el vector de cointegración. Los estimadores whithin testean la hipótesis nula H 0 : β i = β 0 para todo i contra la alternativa H a : ρ i = β a ≠ β 0 , tal que la heterogeneidad sea permitida y todos los β i no

23

Ver tabla 2, pagina 666 de Pedroni (1999) para valores µ y v.

11

Determinantes de largo plazo del tipo de cambio real en América Latina.

estén limitados a tener un valor común β a . Finalmente, Pedroni (2000) investiga una muestra finita para dos within FMOLS (FMOLS residuales y FMOLS ajustados) y para el FMOLS de media grupal. El autor encuentra que el between FMOLS sufre de una menor distorsión que los estimadores within en muestras pequeñas. El estimador FMOL de media grupal está basado en la estimación del siguiente sistema cointegrado para panel:

y i , t = α i + xi′, t β + u i , t

xi , t = xi , t −1 + ε i , t (15)

donde α i , son los efectos fijos, β es un vector k X 1 de las pendientes, xi , t es un vector k X 1 de regresores integrados, y el vector de errores ξ i , t = (u i , t , β i′, t )′ es un proceso estacionario con una matriz de covarianza asintótica Ωi, que puede ser descompuesta de la siguiente manera:  Ωui Ωi =  Ω ε u i

Ωµεi  = Ω i0 + Γi + Γi′ Ω ε i   Ω0 =  0u i  Ω e u i

Ω u0 z i   Γu i + Ω 0e i   Γε u i

Γu ε i   Γu′ i + Γε i   Γε u i

donde Ω i0 es la covarianza contemporánea, y Γi

Γu ε i  Γε′ i 

es la suma ponderada de las

autocovarianzas. Ω u i se refiere a la varianza de largo plazo del residuo u i , t y Ω ε i es el vector ( k X k) de covarianzas de largo plazo entre las ε i, t y Ω ε u i es un vector (k X 1) que expresa la covarianza de largo plazo entre u i , t y ε i, t . Nótese que Ω ε u i captura el efecto retroalimentación endógena entre y i , t y xi , t . De esta forma, al considerar el efecto de retroalimentación endógena, el estimador FMOLS de media grupal elimina el sesgo debido a la endogeneidad de los regresores, esto es:

βˆ

FM

−1

 T  ′  T = N ∑  ∑ (xi , t − xi )(xi , t − xi )   ∑ (xi , t − xi ) yi*, t − T γˆ i  i =t  t =1   t =1  −1

N

(16)

donde y i*,t = ( y i , t − y i ) −

ˆ Ω ε µi ∆ xi , t ˆ Ω

ˆ0 − γˆ ≡ Γˆ + Ω ε ui

Ωε u i ˆ Γˆ ε i + Ω εi ˆ Ω

(

)

εi

εi

donde y i ( xi ) es el promedio simple de y i , t ( xi , t ) a través de la dimensión de corte transversal (i.e yi = N −1 ∑i =1 y i , t N

y xi = N −1 ∑T =1 xi , t ). Bajo el supuesto de que existe N

independencia en el corte transversal (i.e E ζ i , t , ζ i′, t = 0 todo i ≠ j ), Pedroni (2000) muestra que la media grupal FMOLS es asintóticamente insesgado y su estadístico-t es una normal estándar: T N βˆ FM − β ⇒ N (0, v ) t βˆ F M ⇒ N (0,1) (17)

(

)

12

Determinantes de largo plazo del tipo de cambio real en América Latina.

donde v depende de xi , y i de la dimensión de xi , t , k24 . El estimador FMOLS de media grupal es consistente y converge a β a la tasa T N , de esta forma, aunque T y N sean pequeños, βˆ F M es relativamente preciso. Finalmente en la expresión (16), βˆ F M sigue una suma en la dimensión de corte transversal. Este estimador también podría ser construido en base al promedio del estimador FMOLS convencional para series de tiempo aplicado al miembro i del panel, tal que βˆ = N −1

∑

N

i =1

βˆ FM , i , donde βˆ F M , i , es el estimador FMOLS de

las series de tiempo individuales. De esta forma, el estadístico-T de la media grupal puede ser calculado como t βˆ F M = N −1 / 2

∑

N i =1 βˆ

t

F M,i

, donde t βˆ

F M,i

es el estadístico-T del estimador

individual FMOLS. El estimador para media de grupo DOLS, propuesto por Pedroni (2001) le añade rezagos y adelantos de ∆xi , t (i.e.

∑

q j = −q

∆ xi , t + q ) como regresores adicionales en (15). Esta corrección

permite estar alerta ante una posible endogeneidad en los regresores y corregir la correlación entre los u i , t y los ε i , t . Kao y Chiang (2000) mostraron la superioridad de los within DOLS por sobre los within FMOLS. A nuestro conocimiento, una comparación entre las propiedades finitas de las medias grupales FMOLS y las medias grupales DOLS aun no han sido estudiadas de forma empírica 25. Para nosotros, los estimadores DOLS tienen dos inconvenientes. Primero: son muy sensibles al número de adelantos y rezagos incluidos en la regresión. Aunque las propiedades que presentan estos estimadores dentro de muestras pequeñas podrían ser mejoradas sumando adelantos y rezagos (ver Kao y Chiang, 2000), no existe una metodología estadística para determinar cual es el número óptimo. Segundo, dado que nuestro período de estudio es relativamente corto (T=34), inclusive para un estimador DOLS con sólo un adelanto y un rezago, el número de grados de libertad es reducido. Por ejemplo con k = 5, el número total de regresores en la relación de cointegración es veinte para un estimador DOLS con un adelanto y un rezago, dejando solo catorce grados de libertad cuando T es treinta y cuatro. 3 Resultados Empíricos Nuestra muestra se basa en datos de 21 países de América Latina: Argentina, Bolivia, Chile, Colombia, Costa Rica, República Dominicana, Ecuador, El Salvador, Guatemala Haití, Honduras, Jamaica, México, Nicaragua, Panamá, Paraguay, Perú, Trinidad y Tobago, Uruguay y Venezuela. La muestra cubre el período 1970-2005 (T=36) y las series fueron construidas en base a datos anuales. Las variables utilizadas en esta sección son: TCR multilateral ( qi , t ), gasto gubernamental ( g i , t ), productividad diferencial ( prod i , t ), flujos financieros de capital ( fcii , t ), inversión extranjera directa ( fdii , t ) , activos externos netos ( nfa i , t ), los términos del intercambio (tot i , t ) y el grado de apertura (openi , t ) para i = 1, . . . , 21 y t = 1, . . ., 34. 4.1 Datos: Fuente y Construcción Los datos fueron recopilados del Fondo Monetario Internacional (Internacional Financial Statistics, IFS, y de la Direction of Trade Statistics, DTS), Banco Mundial (World Development Indicators, WDI ) y CEPAL (Statistical Yearbook). El TCR de un país i en un momento t se construye como el promedio ponderado geométricamente de los tipos de cambio bilaterales vis-a-vis con sus diez socios comerciales más importantes.

24 25

Cuando k = 1 y

xi = yi = 0, v = 2,

si y/o

y i ≠ 0, v = 0

Sin embargo, las simulaciones Monte Carlo hechas por Pedroni (2000) muestran que las medias grupales DOLS tienen distorsiones de menor tamaño que los estimadores within DOLS.

13

Determinantes de largo plazo del tipo de cambio real en América Latina.

 Pi , t = ∏  j =1  E i j , t Pj , t 10

qi , t

   

w j,t

donde Pi , t y Pj , t , son índices de precios del consumidor (CPI) domésticos y extranjeros respectivamente. E i j , t , es el tipo de cambio nominal (medido en moneda local). W j , t es el promedio móvil para tres años de la participación del socio j en el comercio del país i. Las series de precios y de tipo de cambio nominales fueron tomadas de la base de datos IMFIFS . Los ponderaciones fueron construidos utilizando datos sobre las exportaciones e importaciones de cada país (series obtenidas de la base de datos FMI-IFS ). Todos los qi , t son índices (2000=100) y según nuestra definición un incremento en qi , t representa una apreciación del TCR. Para el gasto gubernamental g i , t , se tomó el porcentaje del consumo gubernamental dentro del PBI total (obtenido de la base datos WDI ). Con respecto a la productividad sectorial, dada la escasez de datos, se utilizó como proxy el PBI per capita relativo a los socios comerciales lo que nos permite observar el efecto Balassa-Samuelson ( prod i , t ). Esta última ponderación es igual a la utilizada en la construcción de qi , t . Las series de PBI per capita utilizadas fueron recopiladas de la base de datos del Banco Mundial WDI La bibliografía más reciente sobre la hipótesis Balassa-Samuelson, se basa generalmente en la productividad total de los factores (i. e. el residuo de Solow) o en las diferentes productividades del trabajo entre los sectores no transable y transable para poder explicar los movimientos del TCR26. Sin embargo, estos datos no están disponibles para los países en desarrollo. Según Canzoneri et. al. (1999), la utilización del residuo de Solow como un proxy de Balassa-Samuelson está sujeto a limitaciones. Primero, porque tiende a estar correlacionado a las variaciones de la demanda agregada27. Segundo, porque el residuo de Solow tiene en cuenta datos sobre la cantidad de trabajadores, el stock de capital de los diferentes sectores y datos estimados sobre las proporciones de mano de obra en la producción, los cuales no siempre están disponibles en los países en desarrollo. Tercero, porque generalmente se asocia al residuo a una función de producción Cobb-Douglas, lo que lo vuelve un supuesto muy restrictivo. También se puede utilizar como proxy del efecto relativo de la productividad, un ratio dado por el índice de precios del consumidor (CPI) sobre el índice de precios del productor (PPI) (Ver DeLoach, 2001, Alberola, 2003, Bénassy-Quéré et al. 2004, para aplicaciones más recientes)28. Al igual que los datos sobre el factor trabajo y producción a nivel sectorial, tampoco están disponibles los índices PPI para una gran cantidad de países de América Latina (solo siete países poseen índices PPI para una cantidad considerable de años). Siguiendo a Athukorala y Rajapatirana (2003), construimos la entrada de flujos capitales financieros como:

26

Ver, entre otros, De Gregorio, Giovannini y Wolf (1994), Asea y Mendoza (1994), Chinn y Jhonston (1997), Canzoneri, Cumby y Diba (1999) y Lee y Tang (2003) 27 Ver Hall(1988), Coto-Martinez (2000) y, Coto-Martinez y Reboredo (2003). Estos autores estudian el efecto de la política fiscal sobre el residuo de Solow. 28 DeLoach (2001) discute que los logaritmos de CPI y PPI están compuestos de bienes transables y no trasables, tal que

CPI ≡ α p N + (1 − α ) pT

y

PPI ≡ β PN + (1 − β ) PT ,

donde

PN

y

PT

son

respectivamente los precios de los bienes transables y no transables. El precio relativo de los bienes no transables puede ser expresado como aumento en ( CPI

PN − PT = (α − β ) −1 (CPI − PPI )

. Suponiendo que α >β, un

− PPI ) lleva a un incremente en el precio relativo de los bienes no transables.

14

Determinantes de largo plazo del tipo de cambio real en América Latina.

fci,t =

( PIAi , t + OIAi , t ) − ( PILi , t + OILi , t ) GDPi , t

donde PI y OI son respectivamente inversiones de portafolio y otras inversiones en el iésimo país. A, son los activos, y L, los pasivos. En otras inversiones, consideramos tanto los flujos privados (préstamos de los bancos) como los flujos públicos (autoridades cambiarias y gobierno en general). PI y OI están expresados en dólares (fuente: CEPAL). GDPi , t es el PBI nominal del i-ésimo país, también expresado en dólares (Fuente: Banco Mundial, WDI). Definimos a la inversión extranjera directa como: DIE i , t − DIAi , t fdii , t = GDPi , t donde DIEi , t es la inversión extranjera directa dentro del i-ésimo país, y DIAi , t , es la inversión directa de ese país en el extranjero (fuente: CEPAL). Estas variables se encuentran expresadas en dólares, como así también GDPi , t . La variable NFA i , t es el ratio entre los activos extranjeros netos y el PBI, ambos expresados en dólares. Lane y Milesi-Ferretti (2001) proveen datos sobre activos extranjeros netos para el período 1970-2005. Nosotros hemos actualizado la base de datos al 2005 utilizando la siguiente construcción29:

∆NFA i , t = CAi , t + KAi , t

(18)

donde NFA i , t son los activos extranjeros netos expresados en dólares. CAi , t es el resultado de cuenta corriente y KA i , t es el balance de la cuenta capital (fuente : FMI, IFS). Como la base de datos de Lane y Milesi-Ferretti no provee datos para Haití, Honduras y Nicaragua., estimamos NFAi , t para el período 1971-2005 utilizando la ecuación (18), tomando como valor inicial para 1970 la deuda externa total de cada país (Fuente: Banco Mundial, WDI). Los términos del intercambio TOTi , t están definidos como un ratio entre el índice de precios de exportación del país y el índice de precios de las importaciones del mismo país (fuente: CEPAL). Esto nos da como resultado un nuevo índice (1995 =100). El grado de apertura ( Openi , t ) está caracterizado por un ratio entre importaciones mas exportaciones sobre el PBI. Todas las variables están expresadas en dólares (fuente: Banco Mundial, WDI) 4.2 Tests de raíz unitaria Antes de definir cuáles son los determinantes de largo plazo del TCR en América latina, aplicamos los tests de raíz unitaria presentados en la seccion 3.1. Todos los tests fueron diseñados bajo el supuesto de independencia de corte transversal. O´Connell (1998), destaca la importancia de controlar la dependencia de corte transversal cuando se realizan tests de raíz unitaria a un panel de TCR, si no se toma en cuenta la correlación entre los individuos del panel, se rechaza la hipótesis nula de raíz unitaria en un panel de 64 TCR. Al contrario, cuando se controla esta correlación, no se puede encontrar en toda la muestra, ni en cuatro submuestras geográficas, evidencia en contra de la hipótesis nula de raíz unitaria. Por otra parte, O´Connell demuestra que esta dependencia afecta de forma adversa el tamaño y la potencia del test de raíz unitaria para panel. Entonces para controlar la dependencia, se puede expresar los datos como desvíos de la media a través de la dimensión de corte transversal, al sustraer el promedio tal que xi*, t = xi , t − N −1

29

∑

N i =1

xi , t . Los

Esta construcción es equivalente a la ecuación (5) en Milesi-Ferretti (2001)

15

Determinantes de largo plazo del tipo de cambio real en América Latina.

resultados del test de raíz unitaria para panel en series originales30 y series expresadas en desvíos se encuentran en la tabla 3. Tabla 3: Resultados del test de raíz unitaria para panel (series en niveles) Series originales

Series expresadas en desvíos

IPS

MW

LM

IPS

MW

LM

q i ,t

-1.099

43.978

5.934*

-0.766

40.571

6.267*

g i, t

-1.473

45.085

6.879*

-1.477

47.212

7.283*

prod i ,t

-0.18

36.224

7.745*

0.34

36.188

8.796*

fcii ,t

-1.446

46.688

3.334*

-1.517

46.584

4.290*

fdii ,t

-3.135*

68.261*

6.599*

-1.356

47.183

8.241*

nfa i , t

-0.14

39.120

7.566*

-1.122

56.922

6.197*

openi ,t

-1.193

55.388

6.737*

-0.942

45.625

6.863*

tot i ,t

-4.539*

6.144*

-4.978*

98.744*

6.779*

Notas: IPS: Im-Pesaran-Shin

95.013*

WTbar test.

MW: Maddala-Wu Fisher test (basado en p-values ADF). LM

(heteroscedastic consistent) Hadri test. Valor crítico a un 5% de significatividad para

χ 2 es 58.12 con 2N = 42, y es

1.64 para una N(0.1). *Rechaza la hipótesis nula a un 5 % de significatividad.

Aplicando los tests IPS y MW a las series originales, observamos que la hipótesis nula de no estacionariedad no puede ser rechazada en favor de la hipótesis alternativa de estacionariedad al 5% de significatividad para todas las variables excepto para la inversión extranjera directa ( fdii , t ) y para los términos del intercambio ( tot i ,t ). Sin embargo, al controlar por dependencia de corte transversal, los tests IPS y MW no rechazan la hipótesis nula de raíz unitaria para la variable inversión extranjera directa. Este resultado implica que existe una característica común en la evolución de los flujos de IED en América Latina31. Para el resto de las variables, el test resulta consistente cualquiera sea la especificación de la serie y esto apoya la hipótesis de una correlación débil entre las variables del panel. Para los términos del intercambio, aunque se utilizaron series con datos expresados como desvíos de la media, los test IPS y MW no rechazaron la hipótesis nula de no estacionariedad con una significatividad del 5 %. La presencia de un quiebre estructural común durante los años 70 puede ser una explicación posible para este rompecabezas. Cuando se aplicó el test de raíz unitaria para panel en el subperíodo 1980-2003, no fue posible rechazar la hipótesis nula de raíz unitaria para la variable términos del intercambio.32 Finalmente, el test LM-Hadri rechaza claramente la hipótesis nula de estacionariedad para todas las variables. Sin embargo, Hlouskova y Wagner (2005) encuentran que este test tiene una baja confianza y en general tiende a sobrerechazar la hipótesis nula, así que sugieren que el test Hadri se utilice para encontrar raíces unitarias, dado que rechazar la hipótesis nula no implica aceptar la hipótesis alternativa de raíz unitaria. De esta forma, cuando se rechaza la hipótesis nula de estacionariedad, los resultados del test LM deben ser tomados con precaución.

30

Las variables q i ,t , g i , t , prod i , t , openi , t y tot i , t están convertidas directamente a logaritmos.

expresada directamente como un ratio del PBI. Las variables

nfa i , t

y

Nfai , t ,

está

fdii , t , también están expresadas como

ratio del PBI, y fueron convertidas en logaritmos como ln (1+ X) 31 Una explicación posible a esta evolución común de IED en los países de América Latina puede ser la incapacidad de los mercados financieros para discriminar la capacidad crediticia individual. Por ejemplo, luego de la crisis argentina del año 2001, los flujos de IED cayeron un 29.06 % en Argentina, un 42.9 % en Brasil, un 38.4 % en Chile y un 38.6 % en México. 32 IPS = -1.026 (-1.229), MW = 46.928 (48.536) para la serie original (expresada en desvíos respecto a la media) de los términos del intercambio.

16

Determinantes de largo plazo del tipo de cambio real en América Latina.

Para poder determinar el orden de integración de nuestras series, aplicamos los tests de raíces unitarias en panel a las series en primera diferencia. Estos resultados se pueden ver en la tabla 4. Los tests IPS y MW rechazan contundentemente la hipótesis nula de no estacionariedad en el panel para todas las series a un nivel de significatividad del 5 %. En este caso, podemos tomar las conclusiones de LM-Hadri, dado que las simulaciones realizadas por Hlouskova y Wagner (2005) demuestran que este test está mejor diseñado para encontrar raíces unitarias. Para todas las variables, el estadístico LM está por debajo de la cola derecha a un valor crítico del 5% de la distribución estándar (1.64), con este resultado podemos aceptar la hipótesis nula de estacionariedad. En resumen, podemos concluir que el TCR y todos sus determinantes potenciales de largo plazo, con excepción de los términos del intercambio, son variables integradas de primer orden (orden cero para los términos del intercambio del período 1970-2003, pero de primer orden cuando la muestra se restringe a 1980-2003). En otras palabras, el TCR en América Latina sigue una camino aleatorio (o random walk), esto significa que las desviaciones de la PPA pueden ser permanentes y que éstas desviaciones pueden ser causadas por fluctuaciones de las variables fundamentales. Tabla 4: Resultados del test de raíz unitaria para panel (series en primera diferencia) Series originales

Demeaned series

IPS

MW

LM

IPS

MW

LM

q i ,t

-7.876*

143.342*

-2.054

-8.378*

153.419*

-1.936

g

-6.646*

120.773*

-1.071

-7.379*

133.42*

-1.072

prod i ,t

-5.150*

95.225*

0.46

-5.195*

98.461*

1.195

fci

-8.249*

147.865*

-2.238

-9.616*

174.271*

-2.313

-8.445*

151.968*

-1.049

-7.963*

143.091*

-0.749

i, t

-5.174*

97.541*

-0.65

-6.112*

114.445*

-1.887

openi ,t

-9.085*

164.533*

-1.736

-8.402*

149.387*

-1.563

tot i , t

-9.754*

179.637*

-1.11

-10.427*

195.054*

-0.767

i,t

i,t

fdi i , t nfa

Notas: IPS: Im-Pesaran-Shin

WTbar test.

MW: Maddala-Wu Fisher test (basado en p-values ADF). LM

(heteroscedastic consistent) Hadri test. Valor crítico a un 5% de significatividad para 1.64 para una N(0.1). *Rechaza la hipótesis nula a un 5 % de significatividad.

χ 2 es 58.12 con 2N = 42, y es

4.3 Cointegración heterogénea : Resultados para toda la muestra En esta sección, primero aplicaremos los test de cointegración de Pedroni (2003) para encontrar evidencia sobre relaciones heterogéneas de largo plazo entre el TCR y sus determinantes. Luego, utilizando un estimador FMOLS para medias grupales, podremos estimar eficientemente la influencia de cada determinante en el TCR. Dada la variedad de posibles variables explicativas, consideraremos las diferentes especificaciones del modelo de TCR de largo plazo:

modelo 1: qi , t = α i + β ( g i , t , prod i , t , tot i , t , openi , t ) + ε i , t

modelo 2: qi , t = α i + β ( g i , t , prod i , t , tot i , t , openi ,t , fcii , t ) + ε i , t modelo 3: qi , t = α i + β ( g i , t , prod i , t , openi , t , fdii , t ) + ε i , t modelo 4: qi , t = α i + β ( g i , t , prod i , t , tot i , t , openi ,t , fcii , t , fdii , t ) + ε i , t

17

Determinantes de largo plazo del tipo de cambio real en América Latina.

modelo 5: qi , t = α i + β ( g i , t , prod i , t , openi , t , nfa i , t ) + ε i , t donde α i es el efecto fijo, β = ( β 1 , β 2 , β 3 ,...)′ es el vector de coeficientes y ε , t , el residuo. El término α i captura la especificidad del país, lo cual resulta necesario en las regresiones, ya que tanto el TCR como los diferenciales de productividad y los términos del intercambio están expresados como índices, por lo cual no son comparables entre países. Utilizaremos el modelo 1 como marco. Este modelo incluye como regresores: el ratio del gasto gubernamental sobre el PBI, el efecto productividad, los términos del intercambio, el grado de apertura, los flujos de capitales y la tenencia de activos externos netos. De acuerdo a nuestra definición del TCR (un incremento en qi , t implica una apreciación de la moneda doméstica), deberíamos esperar que β 1 > 0, β 2 > 0, β 3 > < 0, β 5 > 0 . Suponiendo que el gobierno gasta proporcionalmente más en bienes no transables, un incremento del gasto público aumenta la demanda total de este tipo de bienes, lo cual genera un aumento de su precio relativo y aprecia el TCR ( β 1 > 0 ).

El coeficiente β 2 mide el impacto del efecto Balassa-Samuelson que muestra cómo un aumento en la productividad relativa del sector transable con respecto al no transable debería apreciar el TCR. Teóricamente, la influencia del tipo de cambio real sobre los términos del intercambio es ambigua ya que una mejora en los términos de intercambio genera dos efectos contrarios (ingreso versus sustitución). Consecuentemente, el impacto de los términos del intercambio sobre el TCR depende de cual sea el efecto dominante. Un incremento en el grado de apertura lleva a que los precios nacionales converjan hacia los precios internacionales limitando la presión alcista sobre el TCR. Entonces, con un grado mayor de apertura se espera que exista una depreciación del TCR ( β 4 < 0 ). Athukorala y Rajapatirana (2003) muestran que la composición de los flujos de capital importan en la determinación del TCR. Para esto, hemos examinado el impacto de dos tipos de flujos de capital: la inversión extranjera directa ( fdii ,t ) y los flujos de capital financiero

extranjero ( fcii , t ) . Primeramente, testeamos la magnitud de cada categoría de forma separada (modelo 2 y 3). Luego se incluyen juntos en la regresión la inversión extranjera directa y los flujos externos de capital (modelo 4). Finalmente, la variable activos externos netos se añade a la regresión (modelo 5). Recientemente, algunos estudios 33 han encontrado un efecto transferencia, i.e. en el largo plazo el mejoramiento de los activos externos netos está asociado a la apreciación del TCR, de esta forma esperamos que β 6 sea positiva en el modelo 5. Finalmente, también se esperan que los coeficientes de flujos de capitales sean positivos en los modelos 2, 3 y 4 ( β 6 y β 7 en el modelo 4 ). Antes de estimar los modelos del TCR de largo plazo, haremos un análisis de correlación. Primero, observaremos la correlación bivariada entre el TCR y sus fundamentales (columna 2 tabla 5), y luego entre el TCR y sus determinantes de largo plazo (columnas 3-8). Este último análisis, permite identificar la potencial colinealidad que puede existir entre las variables explicativas incluidas en los modelos. Los problemas de multicolinealidad pueden afectar adversamente la cointegración estimada del vector βˆ y los estadísticos-t. Las correlaciones bivariadas de panel R ( x, y ) se estimaron de la siguiente manera: primero, se calculan las correlaciones bivariadas individuales ri xy entre las variables x e y para el país i, después se realiza un promedio del valor absoluto de R ( x, y ) a través de la dimensión N, esto es : R ( x, y ) = N −1

∑

N xy i =1 i

r

.

Nótese que la construcción de R ( x, y ) provee un indicador de la magnitud de la correlación 33

Ver Calderón (2002), Alberola et al. (2003). Bénassy-Quéré et al. (2004), Lane y Milesi-Ferretti (2004), Aguirre y Calderón (2005) y Dufrenot y Yehoue (2005).

18

Determinantes de largo plazo del tipo de cambio real en América Latina.

entre las variables x e y; pero no permite determinar el signo de la correlación ya que está calculado con los valores absolutos de las correlaciones individuales. Como se muestra en la tabla 5, el TCR está fuertemente correlacionado con el efecto productividad, los términos del intercambio y el grado de apertura. También podemos encontrar una fuerte correlación entre la entrada de capital financiero y la productividad ( R ( prod , fci ) = 0.37) . En un reporte reciente, el FMI (2005) destacó la importancia de los flujos de capital externo para el crecimiento de América Latina, especialmente a principios de los años 90 cuando una gran parte de los flujos de capital eran de corto plazo (portfolio). Los términos de intercambio y la variable de productividad están fuertemente correlacionados ( R ( prod , tot ) = 0.46) . Esta correlación también es observada por Lane y Milesi-Ferretti(2004) en un panel de 42 países en desarrollo (ver Barro y Sala-i-Martin, 1995 y Mendoza, 1997, para más referencias sobre la relación entre el crecimiento y los términos del intercambio). La inversión extranjera directa, está fuertemente asociada al gasto del gobierno, a los términos del intercambio y al grado de apertura34. Finalmente, la variable activos externos netos está correlacionada con la mayoría de los determinantes de TCR: el efecto Balassa-Samuelson, los términos del intercambio, el grado de apertura y los flujos de capitales de corto plazo35. Tabla 5. Correlaciones de corte transversal R( x , y ) (1970-2003)

qi , t

g i ,t

prod i ,t

tot i ,t openi ,t

fcii ,t

fdii ,t

qi , t

1

g i ,t

0.34

1

prod i , t

0.44

0.33

1

tot i ,t

0.41

0.31

0.46

1

openi , t

0.44

0.33

0.27

0.35

1

fcii ,t

0.33

0.22

0.37

0.28

0.31

1

fdi i , t

0.29

0.39

0.31

0.35

0.36

0.18

1

nfa i , t

0.33

0.29

0.54

0.42

0.43

0.49

0.30

nfa i ,t

1

Según nuestro análisis de correlación, una gran parte de los determinantes del TCR están correlacionados entre si. Por lo cual, para obtener estimadores consistentes del vector de cointegración βˆ y para reducir la posible colinealidad entre las variables explicativas, las variables tot i ,t , fcii , t y fdii , t entran en los cinco modelos con un rezago36. La tabla 6 muestra los estimados del modelo 1-5 basados en un estimador FMOLS de media grupal. La última fila de la tabla 6 muestra el test t paramétrico para el grupo Z t*N , T de cointegración propuesto por Pedroni (1999, 2004). En las cinco regresiones, el test estadístico es significativo, y claramente indica rechazar la hipótesis nula de no cointegración. Esta evidencia demuestra que existe una relación de cointegración entre el TCR y sus determinantes. Además, todos los coeficientes estimados son altamente significativos a un nivel del 5% y poseen los signos esperados. La única excepción es el coeficiente que 34

Calculamos las correlaciones bivaraidas para el sub-período 1980-2003. También encontramos un alto

coeficiente de correlación entre

fdii , t y prod i , t , R ( fdi, prod ) = 0.46

para el período 1980-2003.

35

Sobre la relación entre términos del intercambio y activos externos netos, ver, por ejemplo, Lane y MilesiFerretti (2004). 36 En un primer paso, estimamos los modelos 1-5 con valores contemporáneos de tot i ,t , fcii , t y fdi i , t . Los resultados no se incluyen aquí por una cuestión espacial, pero éstos muestran que los coeficientes

βˆ i

son

altamente inestables en las diferentes regresiones realizadas. Por ejemplo encontramos que las magnitudes de

βˆ1

y

βˆ 2

están entre los valores 0.08-0.0228 y 0.03-0.158 respectivamente.

19

Determinantes de largo plazo del tipo de cambio real en América Latina.

muestra el efecto productividad, el cual no es significativo en el modelo 5 cuando se incluye en la regresión la variable activos externos netos. Como se mostró previamente, en nuestro análisis de correlación, prod i , t y nfa i , t poseen altos coeficientes de correlación con

R (nfa, prod ) = 0.54 , y esto puede explicar la inestabilidad del coeficiente de productividad en el modelo 5 cuando nfa i , t es añadido como un regresor suplementario37. De los modelos 1 hasta el 4, la variable de productividad tiene un efecto fuerte y significativo con un coeficiente estimado entre 0.20-0.40. Este resultado es consistente con la hipótesis de Balassa-Samuelson: un incremento del 10 por ciento en el PBI per capita, relativo a un socio comercial, aprecia el TCR aproximadamente un 3%. Comparándolo con investigaciones previas sobre el TCR y sus determinantes en los países en desarrollo, nuestra estimación del efecto productividad es compatible con otras estimaciones. De hecho Lane y Milesi-Ferretti (2004) y Aguirre y Calderón (2005) obtuvieron coeficientes significativamente positivos entre 0.10 y 0.15. Mientras que Dufrenot y Yehou (2005), y Drine y Rault (2003), encontraron un efecto Balassa-Samuelson más fuerte con valores estimados para βˆ 2 igual a 0.40 y 0.23 respectivamente38. Tabla 6: Determinantes de largo plazo del tipo de cambio real: Resultados de las medias grupales FMOLS 1970-2005 Modelo 1

Todos los países (N = 21 y T = 36) Modelo 2 Modelo 3

Modelo 4

Modelo 5

0.089***

0.198***

[4,11]

[3,76]

[4,05]

0.392***

0.368***

0.097

[5,97]

[2,93]

[0,95]

0.155***

0.196***

0.192***

0.131***

[2,96]

[4,34]

[3,31]

[2,47]

-0.459***

-0.522***

-0.528***

-0.554***

-0.454***

[-7,33]

[-8,37]

[-8,80]

[-9,43]

[-7,73]

gi,t

0.121*** [3,48]

[3,10]

prodi,t

0.300***

0.262***

[4,68]

[3,74]

0.175*** [3,85]

toti,t-1 openi,t fcii,t-1 fdii,t-1

0.071***

0.114***

1.159***

1.088***

[3,05]

[2,93] 4.294***

4.388***

[3,21]

[3,45]

nfai,t

0.402*** [6,42]

Z t*N , T

-4.277*** -4.098*** -3.036*** -3.971*** -4.346*** Notas: Los estadísticos-t para la heterocedasticidad y autocorrelación están entre paréntesis. * (respectivamente **, ***); rechaza la hipótesis nula al 10% de significatividad (respectivamente 5% y 1%)

Los coeficientes estimados del resto de las variables tienen el signo predicho por la teoría. Primero, un incremento permanente del gasto gubernamental como porcentaje del PBI, tiende a apreciar el TCR de largo plazo. Este resultado concuerda con la teoría de que el gasto del gobierno se compone principalmente de bienes no transables. Nuestras estimaciones sugieren que la elasticidad del TCR con respecto a cambios en el gasto gubernamental fluctúa alrededor de un rango entre 0.07-0.20. Estas estimaciones son bastante cercanas a las estimaciones realizadas en los estudios más recientes sobre el 37

Dufrenot y Yehoue (2005), estudiaron el comportamiento del TCR y sus determinantes con un panel de 64 países en desarrollo. Utilizando también un estimador FMOLS para la media grupal, encontraron que el coeficiente del efecto productividad tiende a estar afectado por la inclusión de la variable activos externos netos en la regresión (ver tabla 9). 38 Nótese que el estudio que realizan Dufrenot y Yehou (2005) incluye 64 países en desarrollo de Africa, Asia y América Latina, mientras que Drine y Rault (2003) consideran otra especificación para el efecto productividad. Estos autores, solo utilizaron PBI per capita de cada país.

20

Determinantes de largo plazo del tipo de cambio real en América Latina.

comportamiento del TCR en los países en desarrollo. Dufrenot y Yehou (2005) encuentran que el coeficiente βˆ1 fluctúa alrededor de 0.15-0.19, mientras que Aguirre y Calderón (2005) encuentran que la elasticidad es de 0.22 para un panel de 38 países en desarrollo. Sin embargo, nuestras estimaciones permanecen relativamente altas comparadas con las del estudio realizado por Drine y Rault (2003), ( βˆ1 = 0.1), quienes consideran un grupo de 17 países de América Latina en el período 1973-1996 Según la teoría, en los modelos de equilibrio del TCR un cambio permanente de los términos del intercambio tiene un impacto ambiguo sobre el TCR, ya que genera dos efectos contrarios. En nuestras cinco regresiones, el coeficiente de los términos del intercambio es positivo y estadísticamente significativo a un nivel del 5%. Una mejoría en los términos del intercambio implica una apreciación del TCR en América Latina con una elasticidad promedio del 0.17, lo cual significa que el efecto ingreso, es el efecto predominante. Además de esto, existe una fuerte relación entre TCR y el grado de apertura. El coeficiente βˆ 3 es fuertemente significativo y de signo negativo en todos los modelos, este resultado indica que la liberalización de la política comercial conduce a una apreciación real. La elasticidad estimada para el grado de apertura comercial es estable en las regresiones con un coeficiente cercano a –0.50. Este valor es comparable con el de Elbadawi (1994) y Dufrento y Yehou (2005). Los coeficientes estimados para ambos tipo de flujos de capitales son positivos y estadísticamente significativos a un nivel del 5%, lo cual implica que un repentino aumento de los flujos de capitales externos es acompañado por una apreciación del TCR en América Latina. Los coeficientes positivos βˆ 6 y βˆ 7 en el modelo 4, sugieren que un incremento en los flujos de capitales netos aumenta la absorción doméstica y redistribuye los factores de producción hacia el sector de los no transables. Este cambio en la composición del producto ejerce una presión ascendente sobre el precio de los bienes no transables, lo cual resulta en una apreciación del TCR. Sin embargo, las diferentes categorías de flujos de capital impactan al TCR con diferentes elasticidades. Según los resultados de los modelos 3 y 4, ante un aumento del 1% en IED (como porcentaje del PBI), el TCR se aprecia aproximadamente un 4.3%, mientras que un aumento del 1% de las inversiones de corto plazo (como un porcentaje del PBI) hace que el TCR se aprecie en un 1.18%. Estos resultados presentan diferencias con los estimados por Athukorala y Rajapatirana (2003) quienes encontraron una elasticidad de aproximadamente 1.70 para los flujos financieros y –0.006 para la IED. Estas diferencias pueden ser parcialmente explicadas por la utilización de diferentes metodologías. De hecho, los autores mencionados, focalizan su trabajo a un grupo de siete países de América Latina39 para el período 1985-2000. Los resultados obtenidos con respecto a los activos extranjeros netos muestran un efecto transferencia significativo, esto significa que una mejoría permanente de los activos extranjeros netos tiende a apreciar el TCR de largo plazo. Nuestro coeficiente estimado es de 0.402, resultado que es no es similar a aquellos estimados por Calderón (2002) y Lane y Milesi-Ferretti (2004) quienes obtienen respectivamente rangos entre 0.15-0.22 y 0.19-0.29. 4.4 Cointegración Heterogénea: Resultados para Submuestras En esta sección realizamos la regresión FMOLS para dos subgrupos de países latinoamericanos bien diferenciados. Así, primeramente dividimos la muestra según regiones geográficas: América del Sur (Argentina, Bolivia, Brasil, Chile, Colombia, Ecuador, Paraguay, Perú, Uruguay y Venezuela) y Caribe y América Central (Costa Rica, República Dominicana, El Salvador, Guatemala, Haití, Honduras, Jamaica, México, Nicaragua, Panamá y Trinidad y Tobago). Luego, como análisis previo, se implementaron tests de raíces unitarias en panel para las series submuestrales. Los resultados se encuentran en el apéndice B, tabla 13. En este 39

Argentina, Brasil, Chile, Colombia, México y Perú.

21

Determinantes de largo plazo del tipo de cambio real en América Latina.

caso, al igual que en el caso donde se estudia la muestra completa, podemos rechazar la hipótesis nula de no estacionariedad para la variable términos del intercambio para cualquier división grupal y para cualquier especificación de esta variable. Por lo tanto podemos considerar a los términos de intercambio como integradas de orden cero según los resultados IPS y MW. Para el subgrupo Caribe y América Central, el resto de las variables son estacionarias a un 5% de significatividad. En la muestra de América del Sur, los tests IPS y MW aplicados a la serie original indican que la hipótesis nula de no estacionariedad puede ser rechazada para todas las variables, excepto para los términos de intercambio. Sin embargo, al controlar por dependencia de corte transversal, las variables gasto gubernamental e IED rechazan la hipótesis nula de no estacionariedad, sugiriendo que una tendencia común ha afectado la evolución de estas dos variables a lo largo de la dimensión individual40. Los resultados estimados para América del Sur se muestran en la tabla 7. En el modelo 1, excepto por el gasto gubernamental, todos los coeficientes estimados son significativos al 1% y tienen los signos esperados. Por lo cual se realizó nuevamente la estimación sin la variable consumo gubernamental (modelo 1b). A su vez, el estadístico del test de cointegración de Pedroni es significativo, por lo cual existe evidencia de cointegración. Dado que el gasto gubernamental no es significativo en el modelo 1, esta variable es eliminada de las estimaciones de los modelos 2 a 5. Según la bibliografía empírica sobre TCR en los países de América del Sur, no existe una evidencia clara sobre la influencia del consumo del gobierno sobre el TCR de largo plazo. Esta relación potencial, fue estudiada recientemente por Arena y Tuesta (1998) para Perú, Rocha y Rocha (2000) para Bolivia, Franco y Paez (2002) para Paraguay, y Balde y Mulder (2004) para Argentina, Brasil y Chile. En todos los estudios, se encontró que el gasto gubernamental no es un determinante significativo del TCR para ninguno de los países mencionados anteriormente41 En los modelos 2, 3 y 4, también podemos rechazar la hipótesis nula de no cointegración por lo menos al 10% de significatividad. Sin embargo, en los modelos 3 y 4 la IED no es significativa. Este resultado contrasta con la significatividad del flujo de capitales financieros. Este coeficiente es positivo y muy alto en comparación con las estimaciones de la muestra completa: un incremento del 1% en los flujos financieros (como porcentaje del PBI) implica una apreciación del TCR mayor al 2% en América del Sur. Esta potencial apreciación real puede ser vista como un efecto adverso del flujo de capitales, aunque el financiamiento externo sea un elemento importante en el crecimiento de América Latina (ver FMI, 2005). Finalmente, en el modelo 6, no podemos rechazar la hipótesis nula de no cointegración, en América del Sur no existe una relación de largo plazo entre el TCR y los activos extranjeros netos. Esta imposibilidad de hallar una relación positiva entre los activos extranjeros netos y el TCR puede ser explicada por la construcción de la variable nfa i , t , la cual es el ratio entre los activos extranjeros netos y el PBI (ambos expresados en dólares). Esto hace que las fluctuaciones de tipo de cambio nominal afecten al mismo tiempo la variable dependiente qi , t y la variable activos extranjeros netos. La tabla 8 muestra los valores estimados de los cinco modelos para el Caribe y América Central. En el modelo 1, dos variables no son estadísticamente significativas: el efecto productividad y los términos del intercambio. Para muchos países en América Central, las fluctuaciones de los términos de intercambio son una fuente importante de fluctuaciones exógenas del PBI.

40 Sin embargo, como observaremos mas adelante, estas dos variables son no significativas en la relación de cointegración por lo que el tema de regresiones mixtas (i. e. regresiones con variables I(1) e I(0) juntas) no son un problema en este caso. 41 Para poder chequear la robustez de la significatividad del gasto gubernamental, realizamos varias versiones del modelo 1 donde fueron eliminados algunos de los otros determinantes. En todos los casos, el gasto gubernamental no parece ser significativo a un nivel convencional.

22

Determinantes de largo plazo del tipo de cambio real en América Latina.

Tabla 7. Determinantes de largo plazo del tipo de cambio real: Resultados de las medias grupales FMOLS 1970-2005 América del Sur (N = 10 y T = 36) Modelo 1

Modelo 1b

Modelo 2

Modelo 3

Modelo 4

Modelo 5

0.566***

0.523***

0.370***

0.566***

0.409***

0.571***

[5,81]

[4,45]

[3,99]

[5,31]

[4,47]

[4,09]

toti,t-1

0.324***

0.280***

0.281***

0.348***

0.330***

0.260***

[3,92]

[3,41]

[2,49]

[4,05]

[3,10]

[3,65]

openi,t

-0.400***

-0.315***

-0.324***

-0.355***

-0.330***

-0.312***

[-4,14]

[-2,86]

[-2,98]

[-3,45]

[-3,14]

[-2,89]

gi,t

0.046 [1,32]

prodi,t

fcii,t-1

1.870***

1.721***

[2,96]

[2,72]

fdii,t-1

2.825*

2.210

[1,95]

[1,64]

nfai,t

-0.297 [-1,00]

Z

* t N,T

-2.996*** Notas: Ver notas de la tabla 6.

-2.457**

-2.078**

-1.937*

-1.513*

-1.773

Cuando la variable Balassa-Samuelson, que ha sido construida con el PBI per capita, es extraída de la ecuación (modelo 1b), el coeficiente de los términos de intercambio aparece negativo y significativo, sugiriendo que, al contrario de lo que sucede en la muestra completa y en Sudamérica, el efecto sustitución domina al efecto ingreso. Por lo cual un empeoramiento de los términos de intercambio está asociado con la apreciación del TCR. Una posible explicación es que el Caribe y América Central sean altamente dependientes de la importación de bienes intermedios42. Así, un incremento en el precio de los bienes intermedios importados (un deterioro de los términos del intercambio) induce a un traslado de los factores hacia el sector de los no transables (que es menos intensivo en bienes importados), de esta forma se aprecia el TCR. El modelo 2 respalda la hipótesis de cointegración entre el TCR y los fundamentales como el gasto del gobierno, los términos de intercambio, el grado de apertura y los flujos financieros. Todos los coeficientes son estadísticamente significativos y poseen los signos esperados. Un incremento en el gasto público, un deterioro de los términos de intercambio, la liberalización comercial y un incremento en las inversiones extranjeras de corto plazo tienden a apreciar el TCR en el Caribe y América Central. En los modelos 3 y 4, no podemos rechazar la hipótesis nula de no cointegración, la IED no tiene impacto en el TCR en el largo plazo. Los resultados del modelo 5, confirman la existencia de un efecto transferencia en los países del Caribe y América Central; mejorar la posición externa neta está asociado a una apreciación del TCR. Esta evidencia contrasta con la ausencia de relación entre estas dos variables en el grupo de América del Sur.

42

En el período 1980-2003, el porcentaje de bienes intermedios importados represento el 81% del total importado para el Caribe y América Central (fuente: CEPAL)

23

Determinantes de largo plazo del tipo de cambio real en América Latina.

Tabla 8: Determinantes de largo plazo del tipo de cambio real: Resultados de las medias grupales FMOLS 1970-2005 América Central y el Caribe (N = 11 and T = 36)

gi,t prodi,t

Modelo 1

Modelo 1b

Modelo 2

Modelo 3

Modelo 4

Modelo 5

0.190***

0.191***

0.196***

0.217***

0.219***

0.238**

[3,55]

[3,94]

[4,24]

[4,50]

[4,77]

[2,47]

-0.103

-0.112

-0.047

-0.022

-0.178*

0.058 [0,92]

toti,t-1

0.040 [1,58]

[-0,56]

[0,76]

[0,32]

[0,41]

[-1,95]

openi,t

-0.513***

-0.563***

-0.599***

-0.556***

-0.581***

-0.430***

[-6,18]

[-6,65]

[-7,36]

[-6,57]

[-7,46]

[-6,30]

fcii,t-1

0.902***

0.747

[2,40]

fdii,t-1

[1.54] -3.721**

-1.779

[-2,22]

[1,54]

nfai,t

0.157*** [4,57]

Z

* t N,T

-4.532***

-5.092***

-2.788***

-3.683

-2.723

-1.645**

Notas: Ver tabla 6.

En resumen, nuestros resultados avalan la hipótesis de cointegración entre el TCR y un conjunto de variables reales que incluyen: el efecto Balassa-Samuelson, el gasto del gobierno, los términos del intercambio, el grado de apertura y los flujos externos de capital (especialmente las inversiones de portafolio). Sin embargo, en las regresiones realizadas con las submuestras se observa que la reacciones del tipo de cambio a shocks reales son diferentes en América Latina y en América Central. En ambas regiones, el TCR de largo plazo responde a cambios en el grado de apertura y a los flujos de capitales de corto plazo También se observa que un nivel dado de flujo de inversiones de portafolio tiene como resultado una mayor apreciación del TCR en América del Sur que en el Caribe y América Central. Otros factores reales parecen ser específicos de cada país. Un mejoramiento en los términos del intercambio y un incremento en el diferencial de productividad, implican una apreciación real en los países de América del Sur, mientras que los shocks de demanda no tienen ningún efecto en el sendero del TCR. Por otro lado, cambios en el gasto del gobierno y un empeoramiento de los términos de intercambio aprecian el TCR en el Caribe y América Central, el efecto Balassa-Samuelson no afecta su nivel en el largo plazo. 4.5 Equilibrio del Tipo de Cambio Real y Desalineamientos De nuestros modelos estimados, calculamos el TCR de equilibrio, q t utilizando valores sustentables de los fundamentales, esto es, qt = βˆ ′ X tp donde X tp es la parte permanente de los fundamentales y βˆ ′ es el vector de coeficientes FMOLS. Extrajimos el componente permanente de los fundamentales utilizando un filtro Hodrick-Prescott. Las discrepancias o desvios entre el tipo de cambio observado y su nivel de equilibrio se mide de la siguiente forma:

qtd = qt − qt Según nuestra construcción del TCR, si qtd > 0 , el TCR observado estará sobrevaluado. De forma similar, si qtd < 0 el TCR estará subvaluado. Para calcular estimaciones consistentes para el TCR en nuestro panel, mantendremos los coeficientes estimados de las regresiones subgrupales, ya que estas estimaciones son más

24

Determinantes de largo plazo del tipo de cambio real en América Latina.

sensibles a las características especificas de cada país que las estimaciones realizadas con todo el panel. De esta forma esperamos obtener mediciones más precisas sobre el desalineamiento del TCR. En ambos casos, mantendremos el modelo 2, que incluye como fundamentales al efecto Balassa-Samuelson, los términos del intercambio, la apertura comercial y los flujos financieros de corto plazo para América Latina. De hecho, el modelo 2, tiene resultados similares en ambas regiones geográficas, de este modo al compartir cuatro regresores comunes facilita la comparabilidad. Para la zona de América del Sur, los modelos 3 y 5 no pueden ser utilizados para calcular estimaciones eficientes del TCR de equilibrio, ya que en el modelo 5 no existe relación de cointegración y en los modelos 3 y 4 la variable fdii , t no es significativa. Los mismos argumentos se aplican a las estimaciones para el Caribe y América Central (no existe cointegración en los modelos 3 y 4)43. Los desalineamientos del TCR se utilizan frecuentemente como indicadores tempranos de crisis cambiarias (Kaminsky et. al, 1997 y Kaminsky y Reinhart, 1998). Las apreciaciones reales de la moneda doméstica son un signo de problemas potenciales en la cuenta corriente. Además, dado que el TCR guía la distribución de los factores productivos dentro de la economía, una sobrevaluación persistente lleva a una distribución no óptima entre los sectores de producción. Para testear la eficiencia de nuestro modelo como un indicador de crisis, comparamos el nivel de desalineamiento antes de una crisis cambiaria con el desalineamiento post crisis. Las crisis cambiarias son detectadas utilizando el análisis de Frankel y Rose (1996)44. El gráfico 1 muestra la distribución de los desalineamientos por país para el período 19701990 y para el período 1991-2003. Para toda la muestra se observa más profundidad en las subvaluaciones (izquierda), que en las apreciaciones (derecha), mientras que en las dos primeras décadas domina la subvaluación, desde la década del 90 hay una distribución más homogénea entre uno y otro lado. Grafico 1. Desalineamientos del Tipo de Cambio Real por países Ven Uru Tri Per Par Pan Nic Mex Jam Hon Hai Gua Sal Ecu Dom CR Col Chi Bra Bol Arg -0.4

-0.3

-0.2

-0.1

1970-1990

0

0.1

0.2

0.3

0.4

1991-2003

43

Los desalineamientos también fueron calculados utilizando el modelo 1 en ambas zonas geográficas y el modelo 5 en el Caribe y América Central. Los resultados no están publicados aquí por cuestiones de espacio, pero son similares a los resultados del modelo 2. 44 Los autores definen a una crisis cambiaria como grandes variaciones en el tipo de cambio nominal que a su vez implican un aumento substancial en la tasa de depreciación nominal.

25

Determinantes de largo plazo del tipo de cambio real en América Latina.

La tabla 10 presenta la evolución del desalineamiento antes y después de las crisis cambiarias que ocurrieron en América Latina. Esta tabla, a su vez captura ciertas cuestiones interesantes. Primero, nuestros resultados muestran que los TCR estaban fuertemente sobrevaluados en los años precedentes a las crisis (excepto Brasil, 1999 y Uruguay 2002). En este sentido, nuestro valores estimados de TCR de equilibrio confirman la hipótesis de que los desalineamientos del TCR pueden ser utilizados para predecir, de forma precisa, crisis cambiarias. Segundo, los estimados del modelo 2 indican que luego de una crisis, el TCR tiende a estar por debajo de su equilibrio durante un período corto, i.e. después de una crisis el TCR está subvaluado. Por ejemplo, tras la crisis mexicana del año 1994, el Peso estaba ampliamente por debajo de su nivel de equilibrio de los años 1994-1995. Después del primer impacto de la devaluación, el TCR comienza a apreciarse y converge al tipo de cambio de equilibrio (ver Jamaica. 1978, Costa Rica 1981. y Uruguay 1990.). En tercer lugar, el efecto de la devaluación sobre el desalineamiento inicial tiene características propias en cada país. Tabla 10: Desalineamientos del Tipo de Cambio Real y Crisis Cambiarias País

Crisis (= t)

t-2

t-1

T

t+1

T+2

Argentina

1975

89.36

100.00

-316.95

-251.37

-194.80

Argentina

1981

41.35

100.00

28.48

-226.21

-198.14

Argentina

2002

88.34

100.00

-47.25

-26.11

-33.31

Bolivia

1982

42.85

100.00

-57.31

54.29

31.70

Brasil

1999

103.45

100.00

75.34

79.84

75.25

Chile

1982

65.04

100.00

64.94

82.48

87.87

Costa Rica

1981

89.06

100.00

-269.94

-45.31

-1.98

Rep. Dominicana.

1985

51.72

100.00

-29.90

3.27

-113.03

El Salvador

1986

-25.46

100.00

-292.35

-115.41

74.35

El Salvador

1990

28.97

100.00

8.18

25.32

4.43

Guatemala

1986

51.70

100.00

-149.37

-118.70

-95.08

Honduras

1990

64.41

100.00

-142.08

28.91

-14.63

Jamaica

1978

98.95

100.00

-79.76

-18.91

41.57

Jamaica

1990

99.33

100.00

-5.99

-1268.49

-23.21

México

1994

63.94

100.00

-44.45

-50.48

62.10

Paraguay

1984

80.27

100.00

78.48

64.11

2.03

Perú

1985

75.45

100.00

98.86

16.21

59.31

Uruguay

1990

11.44

100.00

-122.50

-33.27

29.92

Uruguay

2002

113.50

100.00

46.66

14.52

-

Venezuela

1984

72.68

100.00

-27.45

-6.64

-293.51

2002 96.22 100.00 10.66 29.48 Venezuela Notas: El año t se refiere al comienzo de la crisis. El desalineamiento está expresado como un índice (100 = t-1). En cada caso, el desalineamiento es positivo en el año t-1. Un signo + (-) indica una sobrevaluación (devaluación) del tipo de cambio real respecto al equlibrio.

Algunas devaluaciones nominales permiten corregir la sobrevaluación pre crisis (Argentina 2002, El Salvador 1990, y Jamaica 1990), mientras que las devaluaciones sucedidas en Brasil (1999) y Uruguay (2002) redujeron de forma parcial la diferencia entre el TCR corriente y el nivel de equilibrio. En estos casos, el TCR continúa estando sobrevaluado a pesar de la devaluación nominal. Finalmente, con respecto al régimen de convertibilidad en Argentina, la tabla 11 muestra un alto grado de apreciación en el momento de la introducción de la caja de conversión en el año 1991. En ese momento el peso mostraba una sobrevaluación del 41%. Después de 1993, la sobrevaluación comienza a declinar y se estabiliza alrededor del 30% hasta el año 1998. Esto es consistente con la apreciación del Real (Brasil) que sucedió luego de la

26

Determinantes de largo plazo del tipo de cambio real en América Latina.

implementación del Plan Real (ver tabla 14)45. La brecha entre el peso y su nivel de equilibrio se acentuó después de la devaluación del Real en 1999 (el desalineamineto pasó del 29.8% en 1998 a 42.2% en 1999) y alcanzó el 52.4% en el 2001, justo antes del colapso del régimen en Diciembre del 2001. Nótese que el desalineamiento pre crisis, esta en línea con aquellos hallados por Gay y Pellegrini (2004) y Alberola et. al (2004), 44% y 53% respectivamente. El análisis de Williamson (1995) sobre la caja de conversión muestra la dificultad de corregir endógenamente un desalineamiento inicial del TCR. La sobrevaluación inicial y la incapacidad de la caja de conversión para corregir esto, llevó a una sobrevaluación persistente del peso y a una dramática perdida de competitividad lo cual provocó un debilitamiento del régimen de convertibilidad 46. Grafico 2. Desalineamientos del Peso Argentino 1970-2005

1.00 -0.15

-0.13

0.00

-1.00

-0.26 -0.18

-2.00

-3.00

-4.00

-5.00 1970 1972 1974 1976 1978 1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004

modelo 1.B

Modelo FDI

5 Conclusiones. La meta principal de este paper es determinar los factores que influencian el TCR de veintiún países de América Latina para el período 1970-2005. Utilizando técnicas de cointegración para panel, se estimaron diferentes modelos de TCR según los fundamentales que estuvieran incluidos en las regresiones. Escogimos seis fundamentales: el efecto Balassa-Samuelson, el gasto gubernamental, los términos de intercambio, el grado de apertura comercial de los países, los flujos de capitales, y la posición de los activos extranjeros netos. Además de esto, también incluimos al régimen nominal de tipo de cambio de facto como un factor determinante de la evolución del TCR en América Latina. Para identificar los distintos regímenes utilizamos la metodología propuesta por Coudert y Doubert (2005). Luego dividimos los países de América Latina en dos subgrupos, siendo uno América del Sur (diez países) y otro el Caribe y América Central (once países). Aplicamos modelos de largo plazo a ambos subgrupos y encontramos algunas diferencias interesantes. Finalmente, se estimaron los niveles de equilibrio de los TCR y sus respectivos grados de desalineamiento. Los principales resultados empíricos son los siguientes. Primero: existe evidencia contundente que demuestra que en el largo plazo los TCR de América Latina son no 45

Nótese que Brasil es el socio comercial más importante de Argentina, lo que hizo que se tomara en cuenta el Real en la construcción del TCR de Argentina ( 32% en el período 1990-2003). 46 Ver Carrera (2002) para una discusión general sobre la caja de conversión en Argentina.

27

Determinantes de largo plazo del tipo de cambio real en América Latina.

estacionarios, esto implicaría que la PPA no es válida en América Latina. Este resultado está en línea con los hallazgos de Edwards y Savastano (1999) quienes afirman que los estudios recientes sobre el TCR en América Latina no respaldan la hipótesis de PPA. De esta forma parece ser muy fuerte la presencia de shocks reales que tienen un efecto permanente en el sendero del TCR. Segundo, identificamos seis factores reales que tienen un potencial efecto sobre el TCR. Los valores estimados para la muestra completa (veintiún países) confirman las relaciones teóricas que existen entre el TCR y sus determinantes. Esto es, que un mayor gasto del gobierno (como porcentaje del PBI), un incremento del diferencial de la productividad, un aumento de los términos del intercambio, un repentino aumento de los flujos de capitales o una posición más favorable de los activos extranjeros netos, afectan, en América Latina, de forma positiva al TCR, mientras que un incremento en el grado de apertura comercial lleva a una depreciación del TCR. Tercero, existe evidencia que el TCR se comporta de manera diferente según sea América del Sur o el Caribe y América Central. Algunos fundamentales solo afectan a uno de los dos subgrupos: el gasto gubernamental y los activos extranjeros netos afectan el TCR sólo en la zona del Caribe y América Central, mientras que el efecto Balassa-Samuelson es significativo sólo en los países de América del Sur. El efecto neto de un mejoramiento de los términos del intercambio también es diferente en cada área, tiende a apreciar el TCR en América Latina y tiende a depreciarlo en la zona del Caribe y América Central. Con respecto a la magnitud de los coeficientes FMOLS, también existen diferencias. Cuando se produce un aumento repentino de los flujos de capital de corto plazo, provocará en América Latina un grado de apreciación dos veces mayor que en el Caribe y América Central. A su vez, los regímenes fijos y las restricciones comerciales están asociados a un mayor grado de apreciación en el Caribe y América Central que en América del Sur. Estos resultados indican que la trayectoria del TCR en los países de América del Sur está más influenciada por factores externos, como los términos de intercambio y los flujos de capital financiero, que en América Central donde el gasto gubernamental es predominante. Cuarto, los valores estimados para el TCR de equilibrio confirman que una persistente sobrevaluación es para los países de América Latina una alerta temprana de crisis cambiaria. Estos hallazgos pueden tener una importante implicancia política para los países que en el 2003 tenían un régimen fijo de facto. El Salvador y Perú exhiben significantes y persistentes sobrevaluaciones desde 1998 con una brecha promedio entre el TCR efectivo y su equilibrio de alrededor del 38.5% y 45.90% respectivamente. En cambio en países como Ecuador, Guatemala, Hondura, Nicaragua y Trinidad y Tobago, los TCR observados en el 2003 corresponden a sus respectivos niveles de equilibrio (ver tablas 9 y 14). Nuestro modelo, además muestra la historia reciente de la moneda Argentina. Las ultimas tres grandes devaluaciones (1974, 1980 y 2001) fueron precedidas por una sobrevaluación del TCR; siendo estas del 45.0%, 49.6% y 52.4% respectivamente. Finalmente, las investigaciones futuras podrían mejorar nuestro análisis empírico al tener en cuenta otros shocks que pueden influenciar el TCR en América Latina. Especialmente en el caso de América Central, donde las transferencias desde los Estados Unidos son una alta proporción del ingreso. Inclusive países grandes como México son receptores de una parte importante de estos flujos monetarios. Durante los años 90, las transferencias alcanzaron un promedio del 12% del PBI en El Salvador, y de un 3% del PBI en Honduras (fuente: FMI, 2005), por lo cual se puede esperar que tengan un peso creciente en la determinación del TCR .

28

Determinantes de largo plazo del tipo de cambio real en América Latina.

Apéndice A Test de Raíz Unitaria en los Subgrupos Muestrales. Series originales IPS

MW

LM

Series expresadas en desvíos de la media IPS MW LM

América del Sur ( N = 10 ) Q G prod fci fdi nfa open tot

-1.46 -0.936 0.396 -1.566 -1.023 -0.485 -1.143 -3.145*

26.805 21.729 16.070 25.726 22.441 22.982 30.409 47.874*

4.167* 6.879* 4.904* 1.751* 6.630* 4.134* 4.438* 5.735*

-0.976 -2.840* 1.059 -1.629 -2.708* 0.368 -0.899 -3.612*

24.756 40.36* 15.566 28.02 37.261* 17.212 23.833 57.087*

5.277* 4.714* 6.145* 2.126* 3.208* 4.956* 5.067* 5.799*

∆q ∆g ∆ prod ∆ fci ∆ fdi ∆ nfa ∆ open ∆ tot

-5.738* -6.646* -5.150* -8.249* -8.445* -5.174* -6.211* -9.754*

143.342* 120.733* 95.225* 147.865* 151.968* 97.541* 77.440* 179.637*

-2.054 -1.071 0.46 -2.238 -1.049 -0.65 -0.977 -1.11

-8.378* -7.379* -5.195* -9.616* -7.96* -6.112* -6.098* -10.42*7

153.419* 133.42* 99.461* 174.271* 143.091* 114.445* 75.001* 195.054*

-1.936 -1.072 1.195 -2.313 -2.749 -1.887 -0.53 -0.767

16.363 24.401 20.496 16.582 25.62 28.508 16.705 43.083*

4.135* 4.136* 6.772* 4.369* 6.513* 3.845* 4.723* 4.188*

Caribe y América Central ( N = 11 ) Q G prod fci fdi nfa open tot

-0.127 -1.413 -0.626 -0.505 -1.431 0.269 -0.052 -3.273*

17.173 23.356 20.154 20.962 28.626 16.147 18.227 47.139*

-5.412* 70.142* ∆q -3.724* 48.757* ∆g -3.709* 48.460* ∆ prod -5.734* 73.974* ∆ fci -6.31* 82.632* ∆ fdi -3.765* 49.320* ∆ nfa -6.192* 80.851* ∆ open -6.906* 91.905* ∆ tot Notas: Ver notas tabla 3. Los valores críticos para una 22. *: Rechaza

H 0 a un 5% de significatividad

4.226* 5.080* 6.026* 3.223* 6.496* 6.513* 5.544* 3.021*

-0.103 -1.191 -0.2 0.558 -1.16 -1.278 0.118 -2.629*

-1.668 -6.698* 88.179* -1.785 -0.656 -4.849* 61.818* -1.187 -0.139 -4.111* 53.932* 0.147 -1.21 -6.093* 79.611* -0.948 -0.444 -5.769* 74.028* -0.102 -0.361 -4.256* 55.121* -1.251 -1.341 -5.865* 75.078* 0.815 -1.312 -7.502* 101.77* -1.000 χ 2 a un 5% de significatividad son 31.41 con 2N = 20 y 33.92 con 2N =

29

Determinantes de largo plazo del tipo de cambio real en América Latina.

B Desalineamiento del Tipo de Cambio Real. Tabla 14: Desalineamiento del Tipo de Cambio Real Arg Bol Bra Chi Col CR Dom Ecu Sal Gua Hai Hon Jam Mex Nic Pan Par Per Tri Uru Ven 1970 -0.672 0.169 0.301 0.560 0.160 0.285 -0.322-0.007 -0.492 0.048 -0.737 0.042 0.234 -0.423-0.785 0.331 -0.051-0.342 0.167 -0.161 0.225 1971 -0.539 0.135 0.257 -0.144 0.079 0.288 -0.324 0.029 -0.532 0.001 -0.658 0.000 0.224 -0.380-0.868 0.260 -0.111-0.336 0.136 -0.001 0.228 1972 0.013 -0.492 0.230 -0.146 0.054 0.304 -0.253 0.018 -0.532 -0.016 -0.631 0.019 0.122 -0.292-0.931 0.200 -0.203-0.284 0.084 -0.766 0.194 1973 0.402 -0.304 0.205 -3.188 0.035 0.335 -0.184 0.047 -0.621 0.009 -0.413 -0.025 0.074 -0.192-0.712 0.098 -0.338-0.261 0.081 -0.336 0.139 1974 0.450 0.044 0.146 -0.986-0.036 0.268 -0.165 0.070 -0.531 0.038 -0.340 -0.016 0.135 -0.020-0.719 0.051 -0.267-0.196 0.123 -0.485 0.079 1975 -1.427 0.321 0.194 -0.410-0.056 0.341 -0.093 0.121 -0.392 0.067 -0.203 -0.019 0.176 0.096 -0.784-0.037 0.202 -0.120 0.008 -0.065 0.070 1976 -1.132 0.286 0.135 0.027 -0.062 0.346 -0.069 0.144 -0.395 0.103 -0.154 -0.036 0.204 -0.560-0.888-0.082 0.100 -0.365 0.000 -0.107 0.057 1977 -0.877 0.215 0.084 0.075 0.056 0.317 -0.020 0.160 -0.426 0.100 -0.164 -0.064 0.206 -0.256-0.950-0.154-0.016-1.062-0.033-0.083 0.018 1978 -0.299 0.130 0.017 0.048 0.019 0.298 -0.076 0.138 -0.452 0.062 -0.292 -0.128 -0.164 -0.128-1.140-0.206-0.112-1.192-0.081-0.132-0.038 1979 0.205 0.005 -0.401 0.136 0.089 0.332 -0.064 0.161 -0.412 0.092 -0.248 -0.102 -0.039 0.003 -1.318-0.150 0.088 -0.755-0.103 0.131 -0.023 1980 0.496 0.206 -0.315 0.285 0.087 0.373 -0.008 0.196 -0.425 0.059 -0.166 -0.062 0.086 0.157 -1.001-0.072 0.115 -0.704-0.113 0.261 0.056 1981 0.141 0.480 -0.181 0.437 0.135 -1.007 0.026 0.311 -0.289 0.155 -0.115 0.002 0.170 0.001 -0.509 0.040 0.347 -0.432-0.067 0.423 0.152 1982 -1.121-0.275-0.118 0.284 0.150 -0.169 0.157 0.222 -0.216 0.112 -0.085 0.033 0.244 -1.060-0.128 0.100 0.534 -0.620-0.014-0.166 0.211 1983 -0.982 0.260 -0.678 0.361 0.130 -0.007 0.221 0.192 -0.138 0.087 -0.001 0.076 -0.222 -0.368 0.090 0.070 0.666 -0.648 0.118 0.117 0.290 1984 -0.946 0.152 -0.708 0.384 0.092 -0.002 0.428 0.263 -0.024 0.114 0.038 0.131 -0.305 -0.114 0.348 0.105 0.522 -0.859 0.218 0.060 -0.080 1985 -0.213-0.811-0.899-0.104-0.227-0.098-0.128 0.198 0.092 0.221 0.070 0.115 -0.186 -0.489 0.413 0.099 0.427 -0.849-0.179-0.071-0.019 1986 -0.247 0.311 -0.201-0.185-0.396-0.097 0.014 -0.053 -0.270 -0.329 0.049 0.185 0.012 -1.135 0.820 0.148 0.014 -0.139-0.139-0.122-0.852 1987 -0.683 0.341 -0.899-0.216-0.469-0.290-0.484-0.239 -0.107 -0.262 -0.146 0.159 -0.013 -1.386 0.979 0.120 0.293 -0.510-0.086 0.004 -0.466 1988 -0.249 0.339 -1.545-0.073-0.397-0.247-0.385-0.413 0.069 -0.210 -0.102 0.208 0.062 -0.172-1.607 0.070 0.469 -1.945-0.189 0.027 -0.064 1989 -4.347 0.487 -1.531-0.034-0.398-0.165 0.065 -0.279 0.237 -0.331 -0.044 0.324 0.063 -0.177-1.067 0.071 0.227 0.181 -0.048 0.234 -0.673 1990 0.125 0.004 -0.603-0.227-0.515-0.294-0.206-0.263 0.019 -0.336 0.115 -0.460 -0.004 -0.110-1.035 0.038 -0.040-0.367 0.026 -0.287-0.449 1991 0.410 -0.068-0.950-0.185-0.432-0.455 0.024 -0.355 0.060 -0.069 -0.278 -0.094 -0.795 0.042 0.444 0.024 0.014 0.471 0.078 -0.078-0.302 1992 0.542 -0.101-1.082-0.043-0.229-0.250 0.037 -0.293 0.011 -0.040 -0.409 -0.047 -0.015 0.181 0.540 0.026 -0.042 0.472 0.149 0.070 -0.236 1993 0.605 -0.132-1.574-0.061-0.114-0.287 0.062 0.005 0.202 -0.069 -0.270 -0.164 -0.243 0.283 0.476 -0.002 0.036 0.517 -0.052 0.254 -0.170 1994 0.390 -0.390 0.272 -0.090 0.134 -0.246 0.141 0.022 0.257 0.064 0.062 -0.250 0.000 -0.126 0.396 -0.021-0.335 0.512 -0.046-0.027-0.291 1995 0.272 -0.439 0.514 -0.090 0.142 -0.189 0.251 -0.071 0.307 0.051 0.077 -0.077 -0.079 -0.143 0.329 -0.038-0.481 0.492 -0.037-0.116-0.448 1996 0.241 -0.371 0.565 -0.051 0.283 -0.166 0.194 -0.088 0.344 0.106 0.296 -0.122 0.173 0.175 0.251 -0.060-0.501 0.468 -0.075-0.115-0.242 1997 0.278 -0.337 0.585 0.060 0.219 -0.155 0.176 0.014 0.358 0.107 0.359 0.019 0.146 0.339 0.173 -0.034-0.555 0.499 -0.082-0.034 0.123 1998 0.298 -0.333 0.566 0.001 0.221 -0.162 0.090 -0.135 0.372 0.039 0.458 0.044 0.118 0.337 0.126 -0.106-0.650 0.444 -0.115 0.023 0.250 1999 0.422 -0.331 0.426 -0.015 0.179 -0.163 0.117 -1.126 0.378 -0.092 0.477 0.052 -0.021 0.479 0.082 -0.113-0.580 0.429 -0.040 0.171 0.312 2000 0.463 -0.351 0.452 0.005 0.114 -0.133 0.142 -0.330 0.376 -0.064 0.447 0.047 -0.113 0.537 0.069 -0.183-0.504 0.456 -0.034 0.199 0.351 2001 0.524 -0.391 0.426 -0.035 0.136 -0.106 0.197 0.028 0.388 -0.068 0.463 0.020 -0.156 0.599 0.025 -0.270-0.725 0.492 -0.006 0.175 0.365 2002 -0.073-0.195 0.275 0.071 0.025 -0.121 0.098 0.121 0.394 0.018 0.328 -0.035 -0.252 0.580 -0.007-0.283-0.593 0.491 0.029 0.082 0.039 2003 0.082 -0.460 0.437 0.155 0.057 -0.175-0.241 0.094 0.402 -0.003 0.481 -0.092 -0.511 0.563 -0.093-0.349-0.464 0.443 -0.015 0.025 0.108 Nota: Las cifras en la tabla corresponden a los desvíos del tipo de cambio real observado discrepancias están expresados como una fracción de

q t esto es

qt

respecto a su nivel de equilibrio

qt . Las

q t − q t , += sobrevaluación, -= devaluación. qt

Referencias Aguirre A. y Calderón C. (2005), “Real Exchange Rate Misalignments and Economic Performance”,Working Paper nº 315, Banco Central de Chile. Alberola E. (2003), “Misalignment, liabilities dollarization and exchange rate adjustment in Latin America”, Working Paper nº 0309, Banco Central de España. Alberola E., Humberto L. y Servén (2004), “Tango with the Gringo: the Hard Peg and Real Misalignment in Argentina ”, Working Paper nº 0405, Banco Central de España. Arena M. y Tuesta P. (1998), “Fundamentos y desalineamientos: el tipo de cambio real de equilibrio en el Perú”, Working Paper, Banco Central de Perú. Asea P.K. y Mendoza E.G. (1994), “The Balassa-Samuleson Model: A General Equilibrium Appraisal”, Review of International Economics, vol. 2(3), 244-267. Athukorala P. y Rajapatirana S. (2003), “Capital Inflows and the Real Exchange Rate: A Comparative Study of Asia and Latin America”, The World Economy, Blackwell Publishing, vol. 26(4), 613-637. Balassa B. (1964), “The Purchasing Power Parity Doctrine: A Reappraisal”, Journal of Political Economics, vol. 72, 584-596. Baldi A.L. y Mulder N. (2004), “The Impact of Exchange Rate Regimes on Real Exchange Rates in South America, 1990-2002”, Working Paper nº396, OECD. Baltagi B.H. y Kao C. (2000), “Nonstationnary Panels, Cointegration in Panels and Dynamic Panels: A Survey”, Advances in Econometrics, vol. 15, 7-51. Barro R.J. y Sala-i-Martin X. (1995), Economic Growth. McGraw-Hill, New York.

30

Determinantes de largo plazo del tipo de cambio real en América Latina.

Baxter M. y Stockman A. (1989), “Business Cycles and the Exchange-Rate Regime: Some International Evidence ”, Journal of Monetary Economics, vol. 23(3), 377-400. Bénassy-Quéré A., Duran-Vigneron P., Lahreche-Révil A. y Mignon V. (2004), “Burden Sharing and ExchangeRate Misalignments within the Group of Twenty”, Working Paper nº 2004-13, CEPII. Cadelrón C. (2002), “Real Exchange Rates in the Long and Short Run: A Panel Co-Integration Approach”, Working Paper nº 153, Banco Central de Chile. Calvo G.A. y Végh C.A. (1993), “Exchange Rate-Based Stabilization Programs under Imperfect Credibility” editado en Worgoter A. y Frisch H. : Open Economy Macroeconomics, McMillan Press, 753-76. Calvo G.A. y Reinhart C.M. (2002), “Fear of Floating ”, Quaterly Journal of Economics, vol. 117(2), 379-408. Canzoneri M.B., Cumby R.E. y Diba B. (1999), “Relative labor productivity and the real exchange rate in the long run evidence for a panel of OECD countries”, Journal of International Economics, vol. 47, 245-266. Carrera J. (2002), “Hard Peg and Monetary Unions. Main Lessons from the Argentine Experience”, Anales de la Asociación Argentina de Economía Política, Tucumán, noviembre 2002. Chinn M. y Johnston L. (1997), “Real Exchange Rate Levels, Productivity and Demand Shocks: Evidence for a Panel of 14 countries”, Working Paper nº 97/66, IMF, Washington D.C. Clark P.B. y MacDonald R. (1999), “Exchange Rates and Economic Fundamentals: a Methodological Comparison of BEERs and FERRs”, editado en MacDonald R. y Stein J.L: Equilibrium Exchange Rates, Kluwer Academic Publishers, 285-322. 30. Corden W.M. (1994), Economic Policy, Exchange Rates and the International System, Oxford University Press. Coto-Martinez J. (2002), “Markups and the Real Exchange Rate”, Discussion Paper nº 2002-1, University of East Anglia, Norwich, United Kingdom. Coudert, V. y Dubert (2005), “Does exchange rate regime explain differences in economic results for Asian countries?”, Journal of Asian Economics, vol. 16(5), 874-895. De Gregorio J., Giovannini A. y Wolf H.C. (1994), “International evidence on tradables and nontradables inflation”, European Economic Review, vol. 38, 1225-1244. DeLoach (2001), “More Evidence in favor of the Balassa-Samuelson Hypothesis”, Review of International Economics, vol. 9(2), 336-342. Dufrénot, G.J. y Yohue, E.B. (2005), “Real Exchange Rate Misalignment: a Panel Co-Integration and Common Factor Analysis”, Working Paper n° 05/164, IMF, Whasingtion D.C. Edwards S. (1989), Real Exchange Rates, Devaluation and Adjustment: Exchange Rate Policy in Developing Countries, MIT Press (Cambridge). Edwards, S. (1994), “Real and monetary Determinants of Real Exchange Rate Behavior : Theory and Evidence from Developing Countries”, editado en Williamson J.: Estimating Equilibrium Exchange Rates, Institute for International Economics, 61-91. Edwards, S. y Savastano, M.A. (1999), “Exchange Rates in Emerging Economies: What Do We Know? What Do We Need to Know ?”, Working Paper n° 7228, NBER. Elbadawi, I.A. (1994), “Estimating Long-run Equilibrium Real Exchange Rates”, editado en Williamson J.: Estimating Equilibrium Exchange Rates, Institute for International Economics, 93-131. Engle, R.F. y Granger, C.W.J (1987), “Cointegration and error-correction: representation, estimation and testing”, Econometrica, vol. 64, 813-836. Flood, R.P. y Rose, A.K. (1995), “Fixing Exchange Rates: A Virtual Quest for Fundamentals”, Journal of Monetary Economics, vol. 36(1), 3-37. Franco, E.R.F y Páez B.D.R. (2002), “Determinantes del Tipo de Cambio Real en Paraguay (1970-2000)”, Working Paper n° 6, Banco Central de Paraguay. Frankel, J. y Rose, A. (1996), “Currency Crashes in Emerging Markets: Empirical Indicators”, Working Paper n° 5437, NBER. Froot, K.A y Rogoff, K. (1995), “Perspectives on PPA and Long-Run Real Exchange Rates ”, editado en Grossman G.M. y Rogoff K: Handbook of International Economics, vol. 3, 1647-1688. Garegnagni, M.L. y Escude, G.J. (2005) “An Estimation of the Equilibrium Real Exchange Rate of Argentina: 1975-2004 ”, mimeo, Banco Central de Argentina. Gay, A. y Pellegrini, S. (2003), “The Equilibrium Real Exchange Rate of Argentina ”, Serie de Estudios n° 41, Universidad Nacional de Córdoba. Hadri, K. (2000), “Testing for units roots in heterogeneous panel data”, Econometrics Journal, vol. 3,148-161.31 Hall R.E. (1988), “The Relation between Price and Marginal Cost in U.S. Industry”, Journal of Political Economy, vol. 96(5), 921-947. Hau, H. (2002), “Real Exchange Rate Volatility and Economic Openness: Theory and Evidence” , Journal of Money, Credit, and Banking, vol. 34, n° 3, 611-629. Hlouskova, J. y Wagner, M. (2005), “The Performance of Panel Unit Root and Stationnary Tests: Results from a Large Scale Simulation Study”, Discussion Paper n° 05-03, University of Berlin.

31

Determinantes de largo plazo del tipo de cambio real en América Latina.

Im, K.S., Pesaran, M.H. y Shin, Y. (2003), “Testing for Unit Roots in Heterogeneous Panels”, Journal of Econometrics, vol. 115, 53-74. International Monetary Fund (2005), “Stabilization and Reform in Latin America: A Macroeconomic Perspective on the Experience Since the Early 1990s”, Occasional Paper n° 238, IMF, Washington D.C.. Johansen S. (1995), Likelihood-based inference in cointegrated vector autoregressive models, O U P. Kaminsky, G.L., Lizondo, S. y Reinhart, C.M. (1997), “Leading Indicators of Currency Crises ”, Working Paper n° 97/79, IMF, Whasingtion D.C. Kaminsky G.L. y Reinhart C.M. (1998), “Financial Crises in Asia and in Latin America: Then and Now ”, The American Economic Review, vol. 88, n° 2, 444-448. Kao C. (1999), “Spurious regression and residual-based tests for cointegration in panel data”, Journal of Econometrics, vol. 90, 1-44. Kao C. and Chiang M.H. (2000), “On the estimation and inference of a cointegrated regression in panel data”, Advances in Econometrics, vol. 15, editado en B. Baltagi : Nonstationary Panels, Panel Cointegration and Dynamic Panels, 179-222. Lane P.R. y Milesi-Ferretti G.M. (2001), “The External Wealth of Nations : Estimates of Foreign Assets and Liabilities for Industrial and Developing Countries”, Journal of International Economics, vol. 55(2), 263-294. Lane P.R. y Milesi-Ferretti G.M. (2004), “The transfer problem revisited: net foreign assets and real exchange rates”, The Review of Economics and Statistics, vol. 86(4), 841-857. Larsson R., Lyhagen J. y Lothgren M. (2001), “Likelihood-based Cointegration Tests in Heterogenous Panels”, Econometrics Journal, vol. 4, 109-142. Lee y Tang (2003), “Does Productivity Growth Lead to Appreciation of the Real Exchange Rate?”, Working Paper n° 03/154, IMF, Washington D.C. Levin A. y Lin C.F. (1993), “Unit root test in panel data: asymptotic and finite-sample properties”, Discussion Paper n° 92-90, University of California at San Diego, Department of Economics. Maddala G. y Wu S. (1999), “A Comparative Study of Unit Root Tests with Panel Data and a new test”, Oxford Bulletin of Economics and Statistics, vol. 61, 631-652. Montiel P.J. (1999), “Determinants of the Long-Run Equilibrium Real Exchange Rate: An Analytical Model”, editado en Hinkle L.E. y Montiel P.J: Exchange Rate Misalignment: Concepts and Measurement for Developing Countries, Oxford University Press, 264-290. Obstfeld M. y Rogoff K. (1995), “The Mirage of Fixed Exchange Rates”, Journal of Economic Perspective, vol. 9, 73-96. Obstfeld M. y Rogoff K. (1996), Foundations of International Macroeconomics, MIT Press (Cambridge).32 Obstfeld M. y Rogoff K. (2000), “Exchange Rate Dynamics Redux”, Journal of Political Economy, vol. 103, 624660. O’Connell P.G. (1998), “The overvaluation of purchasing power parity”, J IE, vol. 44, 1-19. Pedroni P. (1999), “Critical values for cointegration tests in heterogeneous panels with multiple regressors”, Oxford Bulletin of Economics and Statistics, vol. 61, 653-670. Pedroni P. (2000), “Fully Modified OLS for Heterogeneous Cointegrated Panels”, Advances in Econometrics,vol. 15, editado en B. Baltagi: Nonstationary Panels, Panel Cointegration and Dynamic Panels, 93-130. Pedroni P. (2001), “Purchasing Power Parity Tests in Cointegrated Panels”, The Review of Economics and Statistics, vol. 83(4), 727-731. Pedroni P. (2004), “Panel Cointegration : Asymptotic and Finite Sample Properties of Pooled Time Series Tests with an Application to the PPA Hypothesis”, Econometric Theory, vol. 20, 597-625. Perron P. (1989), “The Great Crash, the Oil Price Shock and the Unit Root Hypothesis”, Econometrica, vol. 57, 1361-1401. Pesaran M.H. y Smith R. (1995), “Estimating Long-run Relationships from Dynamic Heterogeneous Panels”, Journal of Econometrics, vol. 68, 79-113. Phillips P.C.B. y Perron P. (1988), “Testing for a Unit Root in Time Series Regression”, Biometrika, vol. 75, 335346. Quah D. (1994), “Exploiting Cross-section Variations for Unit Root Inference in Dynamic Data”, Economic Letters, vol. 44, 9-19. Rocha O.L y Rocha W.O. (1994), “Tipo de cambio real de equilibrio: un análisis del caso boliviano en los últimos años”, Revista de Análisis – Banco Central de Bolivia, vol. 3(1). Samuelson R. (1964), “Theoretical notes on trade problems”, The Review of Economics and Statistics, vol. 46, 145-154. Williamson J. (1995), “What Role for Currency Boards ?”, Policy Analyses in International Economics, Institute for International Economics, Washingtion D.C. Williamson J. (1994), Estimating Equilibrium Exchange Rates, Institute for International Economics, Washingtion D.C.. 33

32